基于多源域领域适应字典学习和稀疏表示的脑电情感识别方法

来源：南京信息工程大学学报·自然科学版杂志2023年第4期北京时间：

作者：袁凯烽，侯璐，黄永锋

单位：袁凯烽,常州工业职业技术学院 信息工程学院, 常州, 213164,侯璐,常州工业职业技术学院 信息工程学院, 常州, 213164,黄永锋,江苏理工学院 计算机工程学院, 常州, 213001

摘要：脑电信号容易记录且不易伪装,基于脑电信号的情感识别越来越受到人们的关注.然而,人类情感具有多样性和个体可变性,基于脑电信号的情感识别仍是情感计算领域的难题.本文提出一种多源域领域适应字典学习和稀疏表示方法.为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在共享子空间中学习一个共有字典.根据稀疏重建的最小化类内误差和最大化类间误差准则,稀疏表示具有类别的分辨能力.另外,每个源域自适应学习领域权重,可以避免负迁移的发生.模型参数的求解通过参数交替优化方法,所有参数可同时达到最优解.DEAP数据集的实验结果显示本文方法在所有对比方法中是最优的.

关键词：脑电情感识别;稀疏表示;领域适应;子空间;字典学习

基金资助：国家自然科学基金(12005182)