[发明专利]一种基于二值胶囊网络的脑电情绪识别方法

权利要求书

1.一种基于二值胶囊网络的脑电信号情绪识别方法，其特征是按如下步骤进行：

步骤1、获取任一受试者A的带有R种情绪标签的脑电信号数据并进行去基线和样本分割的预处理，从而得到受试者A的N个脑电信号样本，记为S＝{S₁,S₂,...,S_k,...,S_N}，其中，S_k表示受试者A的第k个脑电信号样本，k＝1,2,…,N；

步骤2、使用二值化函数对全精度的胶囊网络模型在前向传播过程中的浮点型参数进行二值化，得到二值胶囊网络模型；所述二值胶囊网络模型包含二值卷积层、二值初级胶囊层、二值情绪胶囊层和全精度线性层；且所述二值初级胶囊层和二值情绪胶囊层之间利用动态路由机制来连接；

步骤2.1、使用kaiming_uniform_初始化方法分别对所述二值胶囊网络模型的权重进行初始化；

步骤2.2、将所述脑电信号样本S输入初始化后的二值卷积层中，并在所述二值卷积层中对所述脑电信号样本S和初始后的二值卷积层的卷积权重W进行归一化以及二值化处理，得到二值化后的样本和二值化后的卷积权重B_W，其中，表示二值化后的第k个脑电信号样本，所述二值卷积层利用式(1)对二值化后的第k个脑电信号样本进行卷积操作，从而得到第k个时空特征C_k，进而得到时空特征序列C＝{C₁,C₂,...,C_k,...,C_N}；

式(1)中，Conv表示卷积操作；

步骤2.3、所述时空特征序列C经过所述二值初级胶囊层中进行特征提取，得到胶囊空间特征序列C′＝{C′₁,C′₂,...,C′_k,...,C′_N}；其中，C′_k表示第k个胶囊空间特征；

步骤2.4、所述二值情绪胶囊层对所述胶囊空间特征序列C′和初始后的二值情绪胶囊层的情绪权重W₁进行二值化处理，得到二值化后的胶囊空间特征序列和二值化后的情绪权重其中，表示二值化后的第k个胶囊空间特征；

所述二值情绪胶囊层将二值化后的胶囊空间特征序列B_C′和情绪权重相乘得到高阶胶囊空间特征序列U＝{U₁,U₂,...,U_k,...,U_N}，其中，U_k表示第k个高阶胶囊空间特征；

再根据动态路由机制得到情绪特征P＝{P₁,P₂,...,P_k,...,P_N}；其中，P_k表示第k个情绪特征；

步骤2.5、将所述情绪特征P输入全精度线性层后，得到情绪向量并求其L2范数，将较大L2范数所代表的情绪状态作为分类结果；

步骤3、离线训练：

步骤3.1、建立如式(2)所示的边缘损失作为损失函数L：

L＝T_kmax(m⁺-||v_k||,0)²+λ(1-T_k)max(||v_k||-m^-,0)² (2)

式(2)中，T_k表示第k种情绪标签的标签值，T_k＝1表示第k种情绪处于积极的状态，T_k＝0表示第k种情绪处于消极的状态；v_k表示当前二值胶囊网络模型对第k种情绪的预测概率值，k＝1,2,…,R；m⁺和m^-分别表示对第k种情绪识别错误时的两个惩罚系数，λ表示对积极和消极两种状态分类错误的惩罚比例关系；

步骤3.2、采用ADAM优化器对损失函数L进行最小化求解，并在反向传播中，使用指数衰减方法来调整学习率，并采用梯度下降法对二值胶囊网络中的所有权重进行优化，并得到最优时空注意力模型，用于实现对脑电情绪的识别。

2.根据权利要求1所述的一种基于二值胶囊网络的脑电信号情绪识别方法，其特征是，所述梯度下降法是使用连续函数tanh(·)代替二值化函数，从而利用式(3)计算二值胶囊网络的权重w的梯度；

式(3)中，Q(w)表示二值化后的二值胶囊网络的权重；a表示连续函数tanh(·)的尺度变换系数。