龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：暨南大学
申请日：2023-12-19
公开（公告）日：2024-06-25
公开（公告）号：CN118245835A
主分类号：G06F18/24
分类号：G06F18/24;G06F18/213;G06N3/042;G06N3/0464;G06N3/048;G06N3/0895;A61B5/16;A61B5/369;A61B5/372;A61B5/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及情感脑机接口技术领域，且公开了一种基于自监督对比学习的小样本脑电情感识别方法，包括以下具体步骤：S1.将小样本数量的无标签信息的脑电的微分熵特征经过数据增强模块进行强弱增强得到两组增强数据样本。该基于自监督对比学习的小样本脑电情感识别方法，通过利用无标签的脑电数据预训练基于图卷积的脑电空间编码器，再用少量特定目标任务有标签数据进行微调，使得构建更为准确可靠的情绪识别模型，为现实小样本场景下的情绪识别提供科学参考，且图网络更有利于提取脑电的空间表示，从而获得更加准确可靠的识别结果，且本发明能提供准确可靠的情感识别模型，为情感脑机接口解码情绪提供了有利的方法。
主权项：1.一种基于自监督对比学习的小样本脑电情感识别方法，其特征在于：包括以下具体步骤：S1.将小样本数量的无标签信息的脑电的微分熵特征经过数据增强模块进行强弱增强得到两组增强数据样本；S2.利用基于图卷积的脑电空间编码器更进一步去分别提取两组增强样本的空间结构表示；S3.使用非线性投影头将两组增强数据样本都映射到情感对比空间，以待下一步对比学习；S4.利用自监督学习中的对比学习方法最大化同一样本不同视图之间的相似性，同时最小化其与其他样本的相似性，以预训练基于图卷积的脑电空间编码器；S5.用需求的特定任务的少量有标签数据对预训练后的空间编码器进行微调，微调后用线性分类器进行分类与选定几种常用先进算法对比在公开数据集上的情感识别效果。
全文数据：
权利要求：
百度查询： 暨南大学 一种基于自监督对比学习的小样本脑电情感识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号