[发明专利]一种基于注意模块的递归神经网络的用户识别方法

说明书

本发明中提出的一种基于注意模块的递归神经网络的用户识别方法，其主要内容包括：预处理、脑电波模式分解、基于注意模块的递归神经网络、分类，其过程为，首先分析脑电波数据并揭示了δ模式包含用户最特殊的信息，然后分解出δ模式，并将其反馈到一个基于注意模块的解码器‑编码器递归神经网络，该网络根据信道的重要性给不同的脑电波信道分配不同的注意值，最后把通过学习得到的有区分度的特征经过一个极端梯度提升分类器，对用户进行身份识别。本发明利用基于注意模块的递归神经网络实现用户识别，具有更高的用户识别精确度，并且具有更好的鲁棒性和适应性。

技术领域

本发明涉及生物识别领域，尤其是涉及了一种基于注意模块的递归神经网络的用户识别方法。

背景技术

生物识别技术是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。其应用十分广泛，包括政府、军队、银行、电子商务、安全防务、社会福利保障等诸多领域。比如生物识别签证，即将生物识别技术引入签证领域，利用人体面相、指纹等生物特征具有唯一、安全、保密等特点，在颁发签证或出入境边防检查过程中采集和存储生物特征信息数据，通过有效比对，更加准确、快捷地鉴别出入境人员的身份；再比如虹膜打卡，只要将双眼对准屏幕，机器就记下虹膜特征密码，完成注册环节，在此后的识别环节，带眼镜的人员便可无需摘下眼镜，只要对准屏幕，不到一秒，机器就完成比对识别，身份信息与打卡时间立即显示在屏幕上，该技术在煤矿工人考勤、监狱犯人管理、银行金库门禁、边境安检通关、军队安保系统、考生身份验证等领域均得到了应用。目前最新的生物识别系统仍然不够安全与稳定。比如说，戴上人造的仿生面具可以通过脸部识别系统，隐形眼镜可以欺骗虹膜识别系统，语音编码器可以欺骗语音识别系统，指纹薄膜可以蒙骗指纹识别系统。最近兴起的基于脑电波的用户识别技术，能够提供一种更加有效的识别系统，但是其依然面临鲁棒性以及适应性不佳的问题。

本发明提出了一种基于注意模块的递归神经网络的用户识别方法，首先分析脑电波数据并揭示了δ模式包含用户最特殊的信息，然后分解出δ模式，并将其反馈到一个基于注意模块的解码器-编码器递归神经网络，该网络根据信道的重要性给不同的脑电波信道分配不同的注意值，最后把通过学习得到的有区分度的特征经过一个极端梯度提升分类器，对用户进行身份识别。本发明利用基于注意模块的递归神经网络实现用户识别，具有更高的识别精确度，并且具有更好的鲁棒性和适应性。

发明内容

针对识别系统面临的鲁棒性和适应性不佳的问题，本发明的目的在于提供一种基于注意模块的递归神经网络的用户识别方法，首先分析脑电波数据并揭示了δ模式包含用户最特殊的信息，然后分解出δ模式，并将其反馈到一个基于注意模块的解码器-编码器递归神经网络，该网络根据信道的重要性给不同的脑电波信道分配不同的注意值，最后把通过学习得到的有区分度的特征经过一个极端梯度提升分类器，对用户进行身份识别。

为解决上述问题，本发明提供一种基于注意模块的递归神经网络的用户识别方法，其主要内容包括：

(一)预处理；

(二)脑电波模式分解；

(三)基于注意模块的递归神经网络；

(四)分类。

其中，所述的预处理，原始的脑电波样本数据需要经过预处理操作移除直流偏移量并归一化信号；其中，移除直流偏移量的必要性在于，脑电波接收耳机会在记录的信号数据当中引入一个噪声分量常数；而归一化信号的重要性在于，其可以处理不同单元或不同规模的特征数据。

进一步地，所述的移除直流偏移量和归一化信号，首先从信号E当中减去直流偏移量常数；然后使用Z比分缩放归一化方法，计算得到预处理数据，即：

其中，DC表示直流，μ表示E-DC的均值，σ表示标准差。