[发明专利]一种基于共有与特有脑电特征挖掘的情感识别方法

权利要求书

1.一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：包括如下步骤：

步骤1、对受试者处于进行脑电数据的采集，获得不同情感类型的脑电情感数据；

步骤2、对脑电情感数据进行预处理，得到带标签的数据集；

步骤3、建立目标函数；

对最小二乘线性回归模型中的权重矩阵的行和列分别增加权重矩阵的2-1范数和1范数，得到扩充的最小二乘的半监督线性回归模型；同时，根据样本本身蕴含的特征信息，通过K-近邻算法得到邻接矩阵；进而获取目标函数；

步骤4、利用带标签的数据集联合迭代优化目标函数，并依次对模型中的权重矩阵W，以及预测标签Ft进行更新表达式求解；

步骤5、将经过预处理的被测对象的脑电数据输入至迭代优化好的目标函数中，获取被测对象的情感类别。

2.根据权利要求1所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：步骤1中，通过诱导被试者产生不同的情绪变化，并采集其脑电数据，获得不同情感类型的脑电情感数据。

3.根据权利要求1所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：所述预处理包括按固定频率对脑电数据进行采样，并将采样的脑电数据通过带通滤波器滤除噪声和伪影。

4.根据权利要求3所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：所述预处理还包括将滤除噪声和伪影后的脑电数据按n个频段进行分类，分别计算每个频段下的微分熵，所述微分熵作为样本矩阵中的脑电特征；n为划分的频段数量。

5.根据权利要求2所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：所述带通滤波器为1hz-75hz带通滤波器。

6.根据权利要求1所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：滤除噪声和伪影后的所述脑电数据按Delta，Theta，Alpha，Beta和Gamma分为5个频段。

7.根据权利要求1所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：步骤3中所得的最小二乘的半监督线性回归模型为：

其中，为有标记的特征矩阵；为被测对象的特征矩阵；p表示特征矩阵的维度，n_s和n_t分别是有训练集样本数和测试集样本数；W是权重矩阵；也由两部分组成，Y_s为有训练集样本的特征矩阵的标签；F_t是被测对象情感类别的预测标签；n＝n_s+n_t表示样本总数；F＝XW；L₂＝L^*-L；为通过对样本矩阵X用KNN算法得到的邻接矩阵；对角矩阵L^＊中的元素权重矩阵W的1范数表示情感标签特有特征的诠释；权重矩阵W的2，l范数表示情感标签之间共有特征的诠释；λ₁，λ₂，β均为预设的模型参数；tr(·)为矩阵的迹运算。

8.根据权利要求1所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：步骤4中，在进行目标函数优化之前，对权重矩阵和预测标签进行初始化；其中，预测标签中的各个元素均初始化为c为情感标签的总类别数，权重矩阵初始化为：(X^TX+γI)^-1X^TY。

9.根据权利要求1所述的一种基于共有与特有脑电特征挖掘的情感识别方法，其特征在于：步骤4中联合迭代的具体方法为：

固定预测标签Ft，更新权重矩阵W，其目标函数为：

固定权重矩阵W，更新预测标签Ft，其目标函数为：

s.t.F_t≥0，F1＝1

求解上述公式后得到预测标签，以及某一类情感状态对应的特有特征以及所有情感状态的共有特征。