[发明专利]基于多尺度连通性特征和元迁移学习的脑电情绪分类方法

摘要

本发明公开了基于多尺度连通性特征和元迁移学习的脑电情绪分类方法。包括：采集诱发态下的32导联脑电信号；对脑电信号进行预处理，以滑动窗口的方式进行切分；根据每个窗口的脑电信号计算锁相值矩阵；构建多尺度残差网络；利用元迁移学习的框架训练多尺度残差网络，消除脑电的个体差异性；将锁相值矩阵输入到多尺度残差网络进行情绪分类。本发明通过多尺度残差网络，可以充分挖掘脑电的连通性特征，探讨连通性特征与情绪状态之间的关系，捕捉不同人脑区域的情感交互；本发明通过元迁移学习的框架，可以有效地缓解了跨被试场景下的脑电个体差异大的问题。