买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：耳纹元智能科技(广东)有限公司

摘要：本公开提供了一种基于脑功能连接网络的多模态情绪识别方法及系统，包括获取待分类的脑电信号和眼动凝视，对眼动凝视和情绪脑电信号均进行预处理，预处理后的情绪脑电信号均进行小波变换得到若干个频段；其次，采用锁相值和相位滞后指数对情绪脑电信号的若干个频段，建立脑功能连接网络；随后，采用张量化的阈值设置方法，构建二值化脑网络；同时，计算二值化脑网络的若干个特征和提取眼动凝视特征；并通过特征级随机化核典型相关分析算法将二值化脑网络的所有特征和眼动凝视特征进行特征级融合；最后，将脑网络的所有特征、眼动凝视特征以及特征级融合后的多模态特征均输入到训练后的支持向量机中，精确识别出积极情绪或消极情绪。

主权项：1.一种基于脑功能连接网络的多模态情绪识别方法，其特征在于，包括：获取原始脑电信号和眼动信号，并进行相应预处理；将预处理的脑电信号进行小波变换，获得若干个频段；对每个频段分别构建脑功能连接网络，并将所述脑功能连接网络转换为二值化脑网络；分别对所述脑功能连接网络和眼动信号进行特征提取，并将提取的特征进行融合；基于脑功能连接网络特征、眼动信号特征以及融合特征，通过预先训练的分类模型，获得情绪识别结果；所述特征融合为将二值化脑网络的所有特征和眼动凝视特征进行特征级融合；首先，通过特征级融合在6个频带的二维特征水平上融合了眼睛的注视特征和大脑功能连接网络的特征；对实验数据进行随机非线性特征映射，将特征投影到高维随机特征空间，然后将特征输入到KCCA模型中进行特征融合，最后将新的融合特征输入到SVM模型中进行情绪识别；随机化理论的权重衰减与一定的分布速度一致，然后将权重衰减Fp定义如下： |αw≤Cpw|其中，α为R到Rd映射的权值，φ表示R到Rd所满足的|φZ|≤1的非线性映射；μ和w是映射空间中的向量，pw是映射向量w的概率密度值，C是一个正则化常数，映射函数可以定义如下： 假设数据集D＝{xi，yi}的特征非线性映射R到Rd是从一个分布QX，Y中提取的输入和输出对的有限样本，采用风险最小化的方法搜索映射函数f，其定义为： 损失函数定义为： 使用wi∈Rd随机抽样参数对上述参数和公式5、6进行优化，并为输入数据X∈Rn×d构造了一个多维随机特征空间zX，其结构定义为：w1，...，wm～pw， zX＝[z1...zm]∈Rn×m，8利用非线性随机特征zX将公式6的非凸优化转化为最小二乘问题，非凸优化的最小二乘解是： s.t.||α||∞≤C9在随机特征空间中，我们使用核典型相关分析来融合这两种特征，核函数采用高斯径向基核函数，KCCA被定义为： 其中，σ是内核的宽度，∑11ij和∑22ij代表一种特征自身的第i和j向量的协方差，∑12ij代表两种特征的第i和j向量的协方，Kx1，x2＝φx1φx2表示随机特征空间中两个特征的非线性映射，这两个特征之间的关系K计算为公式11： 公式11的奇异值分解为：k＝α1，α2，...，αkDβ1，β2，...，βkT12。

全文数据：

权利要求：

百度查询： 耳纹元智能科技(广东)有限公司 基于脑功能连接网络的多模态情绪识别方法及系统