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：中国科学院自动化研究所

摘要：本发明属于脑电情绪识别领域，具体涉及了一种基于动态卷积残差多源迁移学习的脑电情绪识别方法及系统，旨在解决现有脑电情绪识别无法克服脑电信号非平稳性和个体时间差异带来的预测精度不足的问题。本发明包括：基于静态网络和动态卷积残差块构建基于注意力机制的特征提取器，并分别提取源域和目标域的脑电信号的高维特征；结合边缘分布域适应方法和条件分布域适应方法，度量目标域和源域的差异性，并基于差异性进行源域和目标域的高维特征对齐；通过分类器进行对齐的高维特征的分类，获得源域和目标域的脑电信号的情绪识别结果。本发明克服了脑电信号非平稳性和个体时间差异带来的不足，预测精度高、效率高，模型应用价值更高。

主权项：1.一种基于动态卷积残差多源迁移学习的脑电情绪识别方法，其特征在于，所述脑电情绪识别方法包括：基于静态网络和动态卷积残差块构建特征提取器，并分别提取源域和目标域的脑电信号的高维特征；所述特征提取器包括静态网络、动态网络、第一注意力机制和第二注意力机制，所述第一注意力机制用于根据不同的样本调整所述动态网络和所述静态网络在特征提取器所占的权重，所述第二注意力机制用于进行所述动态网络的参数动态调整；结合边缘分布域适应方法和条件分布域适应方法，度量目标域和源域的差异性，并基于所述差异性进行源域和目标域的脑电信号的高维特征对齐；通过分类器进行所述对齐的高维特征的分类，获得源域和目标域的脑电信号的情绪识别结果；所述动态网络，在特征提取器所占的权重为： ； ；其中，代表特征提取器的主体函数，代表动态网络的主体函数，代表静态网络的卷积核，代表第一注意力机制模块获取的动态网络在特征提取器所占的权重，代表第二注意力机制模块获取的动态网络中第i个一维卷积残差块随样本x变化的动态权重，代表第i个一维卷积残差块； k个一维卷积残差块在所述动态网络所占的动态权重为： ；其中，a为一维卷积残差块在动态网络所占的动态权重，和分别代表预设的第二注意力机制的两个全连接层参数，和分别代表第二注意力机制的两个全连接层的偏置，x代表样本，代表第二注意力机制的第一个全连接层的激活函数，代表第二注意力机制的第二个全连接层的激活函数。

全文数据：

权利要求：

百度查询： 中国科学院自动化研究所 基于动态卷积残差多源迁移的脑电情绪识别方法及系统