[发明专利]基于元学习实例快速筛选的脑电情绪识别方法、系统

摘要

本发明属于脑机接口以及机器学习领域，具体涉及了一种基于元学习实例快速筛选的脑电情绪识别方法、系统，旨在解决在样本数量不足的情况下，很难实现脑电情绪识别系统的跨被试者、跨时间快速适配的问题。本发明方法包括：获取设定时间内的各电极脑电数据作为待识别脑电数据；分别计算各电极数据的特征向量并拼接，得到待识别特征向量；采用训练好的情绪识别模型，依据待识别特征向量，获取相应的情绪标签并输出。本发明采用机器学习的前沿领域之一的元学习方法，既受益于深度学习所带来的强大表示能力，又得益于元学习强大的关系挖掘能力，有效提高在带标签样本数量不足的情况下的情绪识别模型的泛化能力，提高了情绪识别的速度和精度。

主权项

1.一种基于元学习实例快速筛选的脑电情绪识别方法，其特征在于，包括：步骤S10，获取设定时间内的各电极脑电数据作为待识别脑电数据；步骤S20，分别计算所述待识别脑电数据中各电极脑电数据的特征向量，并将获取的特征向量拼接，得到待识别特征向量；步骤S30，采用训练好的情绪识别模型，依据所述待识别特征向量，获取相应的情绪标签并输出；其中，所述情绪识别模型基于深度神经网络构建，其训练过程中，以带标签的脑电数据样本为训练样本集，采用监督学习的方式进行训练。