基于基因优化的投影词典的独立于主体的EEG情绪识别对联学习
Jipu Su1, Jie Zhu1, Tiecheng Song1
1School of Information Science and Engineering, Southeast University, Nanjing 210096, China.
Brain sciences
|July 29, 2023
概括
这项研究引入了一个独立于主体的脑电图 (EEG) 情绪识别方法,使用投影字典对学习 (PDPL) 和遗传算法 (GA). 这种方法增强了不同个体的情绪识别,优于传统方法.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 电脑电图 (EEG) 情绪识别面临的挑战是由于信号的变化,在不同受试者之间进行概括.
- 主体特定的特征阻碍了通用情绪识别模型的发展.
- 开发主体独立模型对于现实世界的智能系统至关重要.
研究的目的:
- 开发一个独立于主体的脑电图 (EEG) 情绪识别模型.
- 在不同的主题中识别和区分与情感相关的特征.
- 为了提高基于EEG的情绪识别的普遍性.
主要方法:
- 使用投影字典对学习 (PDPL) 进行特征表示和歧视.
- 在PDPL中使用合成和分析字典来改善特征表示.
- 使用基因算法 (GA) 优化PDPL参数,以实现强大的性能.
- 在SEED,MPED和GAMEEMO数据库上使用leave-one-subject-out交叉验证验证该模型.
主要成果:
- 获得的平均准确率为69.89% (SEED),24.11% (MPED),64.34% (2级GAMEEMO) 和49.01% (4级GAMEEMO).
- 与传统的机器学习方法相比,表现出更高的性能.
- 在多个数据集中验证了主体独立方法的有效性.
结论:
- 拟议的独立于主体的EEG情绪识别方法显示出显著的潜力.
- 投影字典学习与遗传算法相结合,为跨主体情绪识别提供了有效的解决方案.
- 这项研究有助于智能系统的发展,能够实时理解情绪.


