申请/专利权人：南京邮电大学

申请日：2022-02-16

公开（公告）日：2024-07-05

公开（公告）号：CN114638253B

主分类号：G06F18/25

分类号：G06F18/25;G06F18/213;G06F18/214;G06F18/10;G06F18/24;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.07.05#实质审查的生效;2022.06.17#公开

摘要：本发明公开了数字信号处理和脑电信号技术领域的基于情感脑电特征融合优化机制的身份识别系统及方法，包括：获取多个通道的情感脑电信号；对情感脑电信号进行预处理；对预处理后的情感脑电信号进行特征值提取；利用粒子群优化算法对特征值特征模式进行分析，得到对于不同用户激活程度最大的情感脑电模块特征；搭建基于注意力机制的RNN模型，利用粒子群优化算法的适应度函数进行迭代，以及，搭建孪生神经网络算法模型，利用损失函数筛选脑电频段特征。本发明区别于以往脑电数据特征是通过少数电极通道采集的单个波段脑电信号的频域特征，数据特征单一且识别准确率欠佳等问题，对模型的泛化能力进行提升，有明显的应用价值。

主权项：1.基于情感脑电特征融合优化机制的身份识别方法，其特征是，包括：获取多个通道的情感脑电信号；对情感脑电信号进行预处理；对预处理后的情感脑电信号进行特征值提取；利用粒子群优化算法对特征值特征模式进行分析，得到对于不同用户激活程度最大的情感脑电模块特征；搭建基于注意力机制的RNN模型，利用粒子群优化算法的适应度函数进行迭代，以及，搭建孪生神经网络算法模型，利用损失函数筛选脑电频段特征；将得到的脑电频段特征和所述情感脑电模块特征进行融合分段后，划分训练集和测试集；将训练集分别输入到基于注意力机制的RNN模型以及孪生神经网络算法模型中进行训练；将测试集输入训练后的基于注意力机制的RNN模型以及孪生神经网络算法模型中进行预测，得到预测结果；基于预测结果判别出不同用户的身份；所述粒子群优化算法中的速度更新公式为： 其中，i＝1,2,…,N，j＝1,2,3,4，k为算法迭代次数，为第k次算法迭代的速度向量，wk为非负惯性权重因子，为非负加速度常数，rand0,a1和rand0,a2为具有均匀分布的随机数，表示第i个粒子目前为止搜索到的最优解位置，表示搜索空间中粒子的当前位置，表示整个搜索空间中目前为止搜索到的最优解的位置，a1、a2为控制参数；位置更新公式为： 定义粒子的适应度函数为： 其中，F为频带宽度，r是基于注意力机制的RNN分类模型错误识别的测试集样本数，R为测试集样本总数；基于注意力机制的RNN模型中注意力机制的输出向量序列表示为： 其中，ci为输出向量序列，hj为注意力机制输入向量，aij为注意力机制权重且计算方法为： eij＝fcsi-1,hj其中，eij为网络输出层，expeij为以自然常数e为底，e的eij次方的指数函数，si-1为注意力机制的输入向量，fcsi-1,hj为额外的全连接浅网络。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于情感脑电特征融合优化机制的身份识别系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD