[发明专利]在线场景下心电信号的跨用户情感识别方法

权利要求书

1.在线场景下心电信号的跨用户情感识别方法，其特征在于，包括下列步骤：

步骤S1：将已有用户的带标签数据作为源域数据，新用户的不带标签的数据作为目标域数据，新用户的在线到达的不带标签数据作为在线数据；

步骤S2：分别提取源域数据和目标域数据的指定心电信号特征，得到源域X^s和初始目标域

步骤S3：基于步骤S2所提取的心电信号特征，训练针对目标用户的情感识别分类器；

步骤S301：通过无监督域适应方法，得到一个投影矩阵P_r；基于投影矩阵P_r，得到对齐后的源域Z^s：Z^s＝P_r^TX^s，以及得到对齐后的初始目标域Z^t：

步骤S302：基于对齐后的源域Z^s训练用于情感状态分类的支持向量机，得到分类器f；

步骤S4：采用在线数据自适应处理方法对在线数据进行转换后，基于分类器f对当前的在线数据进行情感状态识别：

步骤S401：基于投影矩阵P_r，转换在线数据得到在线数据子空间z_i；以及更新对齐后的初始目标域Z^t得到初始数据子空间Z_n：

根据投影矩阵P_r和分类器f得到在线数据的初始分类，计算在线数据的分类比例；

基于每个类别的样本数量占比与该类别的分类比例正相关的策略，从初始目标子空间Z^t中根据分类比例选择部分样本，得到关于初始数据更新后的子空间Z_n；

步骤S402：采用在线数据自适应处理方法对在线数据子空间z_i进行转换，得到转换后的在线数据

所述在线数据自适应处理方法具体为：

定义对齐z_i和Z_n的投影矩阵P_i：

P_i＝σP_C+I

其中，P_C表示将在线数据子空间z_i投影到初始数据子空间Zn的投影矩阵，I表示单位矩阵，σ表示减小负迁移的参数；

基于相关对齐方法对齐z_i和Z_n的二阶统计量协方差，通过求解优化问题，得出转换矩阵P_C，通过投影矩阵P_C使在线数据子空间z_i接近初始数据子空间Z_n；

所述优化问题为：

其中，C_S和C_t分别表示在线数据子空间z_i和初始目标数据子空间Z_n的协方差矩阵；

步骤S403：基于分类器f，对转换后的在线心电信号数据进行分类，得到当前在线数据的推测情感状态。

2.如权利要求1所述的方法，其特征在于，步骤S301中，采用平衡领域自适应方法，得到投影矩阵P_r；

所述平衡领域自适应方法的代价函数为：

其中，θ为平衡因子，λ为正则化参数，||·||_F表示弗罗贝尼乌斯范数，C表示情感分类的数量，c表示情感状态编号，X由源数据X^s和初始目标数据组成，P_r表示投影矩阵，I为单位矩阵，H为定心矩阵，其矩阵大小为(n_s+n_t)×(n_s+n_t)，其中n_s表示源样本的数量，n_t表示目标样本的数量，M₀和M_c为边界和额外分布的最大平均差异矩阵；

投影矩阵P_r通过求解方程的维数d的最小向量得到，方程为：

其中，Φ表示拉格朗日乘子，d为共享子空间的维数。

3.如权利要求1所述的方法，其特征在于，步骤S302中，所述支持向量机为采用径向基核函数实现函数拟合的支持向量机。