基于表面肌电与保形预测及域正则化成分分析的味觉感知识别无监督跨用户自适应
定量方法
2021-12-14 v2 机器学习
摘要
人类味觉感知可通过表面肌电进行定性描述。然而，在一个受试者（源域）上训练的模式识别模型在其他受试者（目标域）上泛化性不佳。为提升基于sEMG数据开发的味觉感知模型的泛化性与可迁移性，本研究创新性地应用了两种方法：域正则化成分分析（DRCA）与基于收缩质心的保形预测（CPSC）。在利用来自目标域的无标签数据进行数据增强的过程中，分别考察了这两种方法的有效性，并在六名受试者上执行了相同的跨用户自适应流程。结果表明，与仅使用源域数据训练的基线模型相比，DRCA提升了六名受试者的分类准确率（p < 0.05）；而CPSC不能保证准确率提升。此外，DRCA与CPSC的结合在六名受试者分类准确率上呈现出统计显著性提升（p < 0.05）。所提出的DRCA与CPSC结合策略在解决基于sEMG的味觉感知识别中的跨用户数据分布漂移方面显示出有效性，也显示出在更多跨用户自适应应用中的潜力。
引用
@article{arxiv.2110.11339,
title = {Unsupervised cross-user adaptation in taste sensation recognition based on surface electromyography with conformal prediction and domain regularized component analysis},
author = {Hengyang Wang and Xianghao Zhan and Li Liu and Asif Ullah and Huiyan Li and Han Gao and You Wang and Guang Li},
journal= {arXiv preprint arXiv:2110.11339},
year = {2021}
}