机构名称：
¥ 1.0
摘要：不同会话之间的分布差异极大地降低了视频诱发脑电图 (EEG) 情绪识别的性能。由于 EEG 信号微弱且非平稳，因此存在差异，并且这些差异表现在每个会话的不同轨迹中，甚至表现在属于同一种情绪的某些轨迹中。为此，我们提出了一个耦合投影迁移度量学习 (CPTML) 模型来联合完成域对齐和基于图的度量学习，这是一个统一的框架，可以同时最小化跨会话和跨试验分歧。通过在 SEED_IV 情绪数据集上的实验，我们表明：(1) CPTML 表现出比其他几种方法更好的性能；(2) 在 CPTML 诱导的子空间中，跨会话分布差异被最小化，不同试验之间的情绪度量图得到优化，表明数据对齐和度量探索的有效性； （3）从学习到的投影矩阵中自动识别出用于情绪识别的关键EEG频带和通道，从而对效应的发生提供更多的见解。
耦合投影迁移度量学习跨...
主要关键词
相关文件推荐
