一种脑电波情绪分类方法、系统、设备、介质及终端与流程

技术特征：
1.一种脑电波情绪分类方法，其特征在于，所述脑电波情绪分类方法包括：首先，对脑电数据进行去基线的预处理；然后以5秒为单位，将输入信号进行变换，计算得到时域信号的一阶差分值，并将所述一阶差分值作为脑电特征；接着利用欧氏距离作为标准，从源域中选择距离目标域更近的样本作为实际的训练样本；最后，利用jda、tca将训练集和测试集样本映射到两者更相似的特征空间中，并采用集成分类器进行分类评估，循环以达到更优效果。2.如权利要求1所述脑电波情绪分类方法，其特征在于，所述脑电波情绪分类方法包括以下步骤：步骤一，去基线预处理：针对有标签的源域数据和无标签的目标域数据，将平静状态下的脑电波数据记作基线，而在视频刺激下的脑电波数据记为波动数据，将波动数据减去基线得到人产生情感时脑电的相对变化，作为实验的输入数据；步骤二，脑电特征提取：以5s脑电波数据作为一个样本，针对每个样本将输入的时域数据转换成一阶差分值并将其作为脑电特征，用于描绘时域中信号变化的强度；步骤三，源域样本筛选：进行过采样操作，使源域中各类样本数量平衡；以12个样本为一组，将源域样本分为多组，计算每组与目标域样本的标准欧氏距离，按距离从小到大对所有组进行排序，选择距离更小的前85％源域样本作为实际的训练样本；步骤四，特征空间转换：判断测试集即目标域是否有伪标签，若没有伪标签则使用tca算法，若有伪标签则使用jda算法，寻找最优特征空间，训练样本和测试样本映射到此空间后更相似；步骤五，集成分类器评估：将多个svm弱分类器集成为强分类器，对情绪分类模型进行分类评估，循环以达到优化效果。3.如权利要求2所述脑电波情绪分类方法，其特征在于，步骤一中，所述获取实验输入数据，包括：以1s为单位，x
i
表示第i(i＝1，2，...，n)秒的原始脑电波数据，前m秒是平静状态下的脑电数据，后面都是在视频刺激下的脑电数据，y
i
即为实验第i秒的输入数据，相关的计算公式如下式所示：4.如权利要求2所述脑电波情绪分类方法，其特征在于，步骤四中，所述伪标签的产生，包括：初始状态下，测试集没有标签，也没有伪标签，利用tca进行特征空间转换后，分类器为每个测试样本预测一个标签，此标签作为初始伪标签；后续循环中，当前分类器预测结果又作为下一次循环时测试集的伪标签。5.如权利要求2所述脑电波情绪分类方法，其特征在于，步骤四中，所述更相似的特征空间的实现过程，包括：执行tca算法，更相似的特征空间是通过同一变换矩阵来最小化源域和目标域样本的均值之差；执行jda算法，更相似的特征空间是通过同一变换矩阵来最小化源域和目标域的所有
样本均值之差，同时最小化属于同一类情绪的源域和目标域样本均值之差的各类总和。6.如权利要求2所述脑电波情绪分类方法，其特征在于，步骤五中，所述循环以达到优化效果的实现过程，包括：循环执行步骤四和步骤五，直到准确率收敛，并将此稳定输出作为最终的准确率。7.一种实施权利要求1～6任意一项所述脑电波情绪分类方法的脑电波情绪分类系统，其特征在于，所述脑电波情绪分类系统包括：去基线预处理模块，用于针对有标签的源域数据和无标签的目标域数据，将平静状态下的脑电波数据记作基线，而在视频刺激下的脑电波数据记为波动数据，将波动数据减去基线得到人产生情感时脑电的相对变化，作为实验的输入数据；脑电特征提取模块，用于以5s脑电波数据作为一个样本，针对每个样本将输入的时域数据转换成一阶差分值并将其作为脑电特征，用于描绘时域中信号变化的强度；源域样本筛选模块，用于进行过采样操作，使源域中各类样本数量平衡；以12个样本为一组，将源域样本分为多组，计算每组与目标域样本的标准欧氏距离，按距离从小到大对所有组进行排序，选择距离更小的前85％源域样本作为实际的训练样本；特征空间转换模块，用于判断测试集即目标域是否有伪标签，若没有伪标签则使用tca算法，若有伪标签则使用jda算法，寻找最优特征空间，训练样本和测试样本映射到此空间后更相似；集成分类器评估模块，用于将多个svm弱分类器集成为强分类器，对情绪分类模型进行分类评估，循环以达到优化效果。8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：首先，对脑电数据进行去基线的预处理；然后以5秒为单位，将输入信号进行变换，计算得到时域信号的一阶差分值，并将所述一阶差分值作为脑电特征；接着利用欧氏距离作为标准，从源域中选择距离目标域更近的样本作为实际的训练样本；最后，利用jda、tca将训练集和测试集样本映射到两者更相似的特征空间中，并采用集成分类器进行分类评估，循环以达到更优效果。9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：首先，对脑电数据进行去基线的预处理；然后以5秒为单位，将输入信号进行变换，计算得到时域信号的一阶差分值，并将所述一阶差分值作为脑电特征；接着利用欧氏距离作为标准，从源域中选择距离目标域更近的样本作为实际的训练样本；最后，利用jda、tca将训练集和测试集样本映射到两者更相似的特征空间中，并采用集成分类器进行分类评估，循环以达到更优效果。10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述脑电波情绪分类系统。

技术总结
本发明属于机器学习和智能人机交互技术领域，公开了一种脑电波情绪分类方法、系统、设备、介质及终端，所述脑电波情绪分类方法包括：对脑电数据进行去基线的预处理；以5秒为单位，将输入信号进行变换，计算得到时域信号的一阶差分值，并将所述一阶差分值作为脑电特征；利用欧氏距离作为标准，从源域中选择距离目标域更近的样本作为实际的训练样本；利用JDA、TCA将训练集和测试集样本映射到两者更相似的特征空间中，并采用集成分类器进行分类评估，循环以达到更优效果。本发明采用欧氏距离进行样本筛选，在首次循环中增加TCA特征空间转换，大幅度降低源域和目标域的差异，缩短算法的收敛时间，最终实现了跨受试者的脑电波情感识别。最终实现了跨受试者的脑电波情感识别。最终实现了跨受试者的脑电波情感识别。


技术研发人员：杨利英 倪培
受保护的技术使用者：西安电子科技大学重庆集成电路创新研究院
技术研发日：2021.09.25
技术公布日：2022/1/21