[发明专利]基于可迁移注意力神经网络的脑电情感识别方法及装置

说明书

本发明公开了一种基于可迁移注意力神经网络的脑电情感识别方法及装置，其中，方法包括：(1)获取一个脑电情感数据库，分为训练集和测试集；(2)建立基于可迁移注意力神经网络的脑电情感识别网络，所述脑电情感识别网络包括特征提取器和情感分类器，所述特征提取器包括依次连接的深度特征提取模块、局部注意力子网和全局注意力子网；(3)网络进行训练，总损失为情感分类器损失加上注意力熵损失后再减去注意力子网和全局注意力子网损失，通过随机梯度下降法更新网络参数；(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。本发明识别准确率更高。

技术领域

本发明涉及情感识别技术，尤其涉及一种基于可迁移注意力神经网络的脑电情感识别方法及装置。

背景技术

人类作为世界上情感最为丰富的动物，在进行各种活动的过程中，总是伴随着情感的发生。在人类的日常生活交流中，对于情感的互相感知，是人类流畅交流的重要部分。积极的情感使人身心愉悦，有助于健康且可以提高人的工作效率；消极的情感会引起很多健康问题，例如长时间累积的消极情绪更容易诱发抑郁症甚至是自杀倾向。所以，研究人类的情感就显得十分重要。

大脑是人类情感产生的根源，对于大脑的直接研究，就是从根源上来研究人类的情感。与大脑直接相关的脑电(EEG)信号，作为大脑神经元信息传递过程中发出的一种电信号，为从根源上直接解码人类的情感提供了一种途径和手段。和表情与语音数据不同，脑电数据不能被伪装，因此其更能准确的反应一个人的真实情感。受益于新型无线脑电设备的高可穿戴性、低价格、便携性和易用性等特点，脑电情感识别技术正在逐步走向市场。其可以应用在众多领域如娱乐设施、在线学习、虚拟现实技术和各种电子医疗等。因此，脑电情感识别受到了越来越多研究者的关注，并已经成为情感计算和模式识别领域的一个新的研究热点。然而，脑电情感识别存在准确率不高等问题。

近十年来，深度学习发展迅猛，在众多分类问题上取得巨大突破，这为提高脑电情感识别率提供了新思路，具有十分重要的价值。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于可迁移注意力神经网络的脑电情感识别方法及装置，识别准确率更高。

技术方案：本发明所述的基于可迁移注意力神经网络的脑电情感识别方法包括：

(1)获取一个脑电情感数据库，分为训练集和测试集，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)建立基于可迁移注意力神经网络的脑电情感识别网络，所述脑电情感识别网络包括特征提取器和情感分类器，所述特征提取器包括依次连接的深度特征提取模块、局部注意力子网和全局注意力子网，用于提取输入样本数据中易于迁移与情感相关的全局特征，所述情感分类器用于预测输入的样本数据的情感类别；

(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，提取大脑全局特征，并将从训练集中每一脑电情感数据提取的全局特征作为一个样本，输入情感分类器，网络总损失为情感分类器损失加上注意力熵损失后再减去注意力子网和全局注意力子网损失，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。

进一步的，所述深度特征提取模块具体包括：

脑电情感数据获取单元，用于获取输入的脑电情感数据式中，形如x_*表示X中第*个电极采集的脑电信号，d表示电极采集的数据的维度，n表示电极数目；