[发明专利]一种基于双半球差异性模型的脑电情感识别方法及装置

权利要求书

1.一种基于双半球差异性模型的脑电情感识别方法，其特征在于该方法包括：

(1)获取一个脑电情感数据库，包括训练集和测试集，其中，脑电情感数据库中包含有若干脑电情感数据和对应的情感类别标签；

(2)建立脑电情感识别网络，所述脑电情感识别网络包括特征提取器、域判别器和情感分类器，所述特征提取器提取脑电情感数据库中每个脑电情感数据的双半球特征，所述双半球特征中含有大脑左右半球的不对称差异信息，所述域判别器包括两层全连接层，输出为预测的脑电情感数据所属集合，所述情感分类器包括两层全连接层，输出为预测的脑电情感数据的情感类别；

(3)对所述脑电情感识别网络进行训练，训练时，将训练集和测试集中每一脑电情感数据作为一个样本，输入特征提取器，提取双半球特征，并将从训练集和测试集中每一脑电情感数据提取的双半球特征作为一个样本，输入域判别器，将从训练集中每一脑电情感数据提取的双半球特征作为一个样本，输入情感分类器，网络总损失为情感分类器损失减去域判别器损失，通过随机梯度下降法更新网络参数，完成网络训练；

(4)提取待识别的脑电情感数据，将其作为一个测试集样本输入训练好的脑电情感识别网络，并按照步骤(3)对脑电情感识别网络调整，得到识别的情感类别。

2.根据权利要求1所述的基于双半球差异性模型的脑电情感识别方法，其特征在于：所述特征提取器具体用于执行如下步骤：

A、对脑电情感数据X_t按照水平顺序和垂直顺序分别进行遍历，得到：

式中，上标h、v表示水平顺序、垂直顺序，上标l、r分别表示左、右半球，分别表示采用水平顺序、垂直顺序对脑电情感数据X_t的电极遍历得到的数据序列，分别表示大脑左、右半球脑电情感数据，形如表示第i个电极采集到的脑电数据，采集时左右半球分别采用N/2个电极，d为每个电极采集的脑电数据的维度；

B、利用循环递归神经网络模块，对水平顺序遍历得到的数据序列进行处理，得到脑电情感数据水平顺序深度特征

式中，分别表示采用水平顺序遍历到的左、右半球第i个电极的脑电数据，表示左、右半球循环递归神经网络模块的隐藏单元，也表示的深度特征，d_l、d_r表示左、右半球循环递归神经网络模块的维度，且d_l＝d_r，σ()表示非线性操作，和分别表示左、右半球循环递归神经网络模块的可学习变换矩阵，表示表示当前遍历顺序中节点的前一个节点；

C、采用同步骤B相同的处理方式，对垂直顺序遍历得到的数据序列进行处理，得到脑电情感数据垂直顺序深度特征

D、根据深度特征提取左右半球之间的不对称差异信息

式中，F()表示对左右半球两个成对电极的脑电深度特征的相互作用，d_p表示所提取的深度特征维数；

E、根据所述左右半球之间的不对称差异信息，使用循环递归神经网络模块提取高阶不对称差异特征

其中，分别表示不对称差异信息中第i个元素，和为可学习的参数矩阵，d_g为循环递归神经网络模块中隐藏单元的维度；

F、根据高阶不对称差异特征，获取差异特征中与情感相关的显著信息

式中，表示可学习的投影矩阵，K表示电极数量；

G、根据差异特征中与情感相关的显著信息整合得到脑电情感数据X_t的双半球特征

式中，表示可学习的映射矩阵，d_o为融合后的深度特征维数。

3.根据权利要求1所述的基于双半球差异性模型的脑电情感识别方法，其特征在于：所述域判别器的损失函数为：

式中，和分别表示训练集和测试集中的第t个和第t′个样本，θ_d表示域判别器可学习的参数，训练集的域标签集为θ_f表示特征提取器的参数；测试集的域标签集为M₁、M₂分别是训练集和测试集脑电情感数据的数量。