[发明专利]一种基于网络结构搜索的脑电信号情绪识别方法

权利要求书

1.一种基于网络结构搜索的脑电信号情绪识别方法，是特征是按如下步骤进行：

步骤1、获取任一受试者A的带有M种情绪标签的脑电信号数据并进行去基线和样本分割处理，从而得到受试者A的第m种情绪标签的N个脑电信号样本，记为其中，表示第m种情绪标签的第i个脑电信号样本，且第m种情绪标签的类别属于{1,2,…,r,…,F}，r表示标签的类别，F表示标签的类别数，Q表示脑电信号的通道数，P表示采样点数，m＝1,2,...,M；i＝1,2,...,N；N是样本数量；

步骤2、定义网络结构搜索的搜索空间，所述搜索空间包含若干个reduction模块和若干个convolution模块；每个模块由identity操作层、卷积操作层、最大池化操作层以及平均池化操作层中的一个或多个组合而成；其中，reduction模块的卷积层步长大于convolution模块的卷积层步长；

步骤3、按照所定义的操作层个数，LSTM控制器通过Softmax函数选取概率最大的操作层或连接操作，从而生成采样序列C＝{C₁,C₂,...,C_i,...,C_C}，当i为奇数时，C_i表示操作层，当i为偶数时，C_i表示连接操作，所述采样序列共包含D种操作层和E种连接操作；

根据所述采样序列C中的连接操作将采样序列C中的各个操作层连接起来，从而得到一个reduction模块和/或一个convolution模块；

步骤4、若只得到一个reduction模块或一个convolution模块；则按照步骤3的过程，从而得到另一个reduction模块或一个convolution模块；使得经过步骤3和步骤4的操作后，仅得到一个reduction模块和一个convolution模块；

步骤5、将reduction模块和convolution模块按照所设定的规则堆叠生成子模型；

步骤6、利用式(1)构建第m种情绪标签的损失函数L_m：

式(1)中，表示第m种情绪标签的第i个脑电信号样本的第r类标签的标签值，P_r,i,m表示子模型预测第m种情绪标签的第i个脑电信号样本的第r类标签的概率值；

步骤7、将从带有情绪标签的脑电信号训练样本中选择小批次的训练样本输入所述子模型中，计算所述损失函数L_m，并采用反向传播法对子模型的参数进行训练，得到训练后的子模型并验证其精度；

步骤8、利用式(2)构建LSTM控制器的损失函数L_θ：

式(2)中，表示采样序列C中第2i-1个值C_2i-1所对应的第d种操作层的标签值，P_d,(2i-1)表示控制器预测的采样序列C中第2i-1个值C_2i-1所对应的第d种操作层的概率值，表示采样序列C中第2i个值C_2i所对应的第e种连接操作的标签值，P_e，2i表示控制器预测的采样序列C中第2i个值C_2i所对应的第e种连接操作的概率值，d＝1,2,...,D，e＝1,2,...,E；

步骤9、将子模型的精度作为奖励reward，计算所述损失函数L_θ，并采用反向传播法更新所述控制器的参数，从而得到更新后的LSTM控制器；

步骤10、利用更新后的LSTM控制器按照步骤3-步骤9的过程进行处理，并选取精度最好的子模型作为最优子模型；

步骤11、利用所有M种情绪标签的N个脑电信号样本对所述最优子模型进行训练，计算每种情绪标签的损失函数，并采用反向传播法对所述最优子模型的参数进行更新，得到训练后的最优子模型用于脑电信号情绪的识别。