【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于腦電信號處理，具體涉及一種基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法及系統(tǒng)。
技術(shù)介紹
1、近年來，基于腦電（eeg）的特征提取及分類取得了顯著進(jìn)展。然而，eeg信號存在顯著的個(gè)體差異，不同被試的eeg數(shù)據(jù)分布不一致。因此，跨個(gè)體情感識別在情感識別領(lǐng)域仍然面臨挑戰(zhàn)。為了開發(fā)具有強(qiáng)大泛化性能的跨個(gè)體情感識別模型，近年來，域?qū)顾惴ǔ蔀橹髁餮芯糠较颉Ｔ谶@種方法中，不同被試的eeg數(shù)據(jù)被視為不同的領(lǐng)域，訓(xùn)練被試數(shù)據(jù)被視為源領(lǐng)域，而測試被試數(shù)據(jù)則為目標(biāo)領(lǐng)域。其通過設(shè)計(jì)對抗判別器與任務(wù)分類器來進(jìn)行對抗學(xué)習(xí)，目標(biāo)是減少與領(lǐng)域相關(guān)的特征，同時(shí)保留與任務(wù)相關(guān)的特征，從而提高模型的泛化能力。然而，現(xiàn)有的域?qū)顾惴m然可以減少與被試相關(guān)的特征，但由于模型設(shè)計(jì)的對抗性任務(wù)較為單一，沒有考慮任務(wù)無關(guān)特征的干擾對被試差異性的影響，這限制了模型在跨被試任務(wù)中的泛化能力和準(zhǔn)確性。因此，克服這些挑戰(zhàn)并進(jìn)一步提高基于腦電的特征提取及分類的性能，已成為亟待解決的關(guān)鍵技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)要解決的技術(shù)問題：針對現(xiàn)有技術(shù)的上述問題，提供一種基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法及系統(tǒng)，本專利技術(shù)旨在通過引入多種與任務(wù)無關(guān)的對抗任務(wù)增強(qiáng)多源域?qū)鼓Ｐ偷膶W(xué)習(xí)能力以提高特征的魯棒性與泛化性、提升腦電信號分類預(yù)測的準(zhǔn)確率。
2、為了解決上述技術(shù)問題，本專利技術(shù)采用的技術(shù)方案為：
3、一種基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，包括下述步驟：分別獲取目標(biāo)域
4、可選地，所述將每個(gè)源域 s分別通過時(shí)間置亂形成多個(gè)時(shí)間子域 p時(shí)，包括將源域 s中的腦電信號特征樣本分割為左半球和右半球，針對每一對時(shí)間上相鄰的t時(shí)刻和t+1時(shí)刻的兩個(gè)腦電信號特征樣本，將t時(shí)刻的腦電信號特征樣本的左半球部分、t+1時(shí)刻的腦電信號特征樣本的右半球部分拼接組合得到時(shí)間子域 p中t時(shí)刻的腦電信號特征樣本，將t+1時(shí)刻的腦電信號特征樣本的左半球部分、t時(shí)刻的腦電信號特征樣本的右半球部分拼接組合得到時(shí)間子域 p中t+1時(shí)刻的腦電信號特征樣本，最終形成時(shí)間子域 p的多個(gè)腦電信號特征樣本。
5、可選地，所述將每個(gè)源域 s的腦電信號特征樣本分別與目標(biāo)域 o的腦電信號特征樣本混合形成多個(gè)混合子域 q的腦電信號特征樣本是指基于相同刺激下不同域中的腦電信號特征樣本的相似性按等比例混合參與訓(xùn)練和源域 s和目標(biāo)域 o形成多個(gè)混合子域 q的腦電信號特征樣本。
6、可選地，所述域?qū)股窠?jīng)網(wǎng)絡(luò)包括：樣本配對模塊，用于將輸入的源域 s、時(shí)間子域 p、混合子域 q的腦電信號特征樣本分別與目標(biāo)域 o的腦電信號特征樣本進(jìn)行組合和配對，形成多種類型的腦電信號特征樣本對；特征表示模塊，用于對來自源域或目標(biāo)域的腦電信號特征樣本進(jìn)行特征提取；對抗判別器，用于判斷輸入的域類型；任務(wù)分類器，用于判斷輸入的任務(wù)類型。
7、可選地，所述將輸入的源域 s、時(shí)間子域 p、混合子域 q的腦電信號特征樣本分別與目標(biāo)域 o的腦電信號特征樣本進(jìn)行組合和配對時(shí)，形成的多種類型的腦電信號特征樣本對包括下述六種類型的腦電信號特征樣本對：（1）相同標(biāo)簽，相同源域：兩個(gè)樣本都屬于同一標(biāo)簽，且都來自源域；（2）不同標(biāo)簽，相同源域：兩個(gè)樣本屬于不同的標(biāo)簽，且都來自源域；（3）相同標(biāo)簽，不同域：兩個(gè)樣本屬于同一標(biāo)簽，但分別來自源域和目標(biāo)域；（4）不同標(biāo)簽，不同域：兩個(gè)樣本屬于不同標(biāo)簽，且分別來自源域和目標(biāo)域；（5）相同標(biāo)簽，相同目標(biāo)域：兩個(gè)樣本都屬于同一標(biāo)簽，且都來自目標(biāo)域；（6）不同標(biāo)簽，相同目標(biāo)域：兩個(gè)樣本屬于不同標(biāo)簽，且都來自目標(biāo)域。
8、可選地，所述特征表示模塊為具有共享參數(shù)的多層感知器mlp，所述多層感知器mlp包含兩個(gè)全連接的隱藏層和一個(gè)輸出層；所述對抗判別器由兩個(gè)全連接層和一個(gè)輸出層組成；所述任務(wù)分類器由兩個(gè)全連接層和一個(gè)輸出層組成。
9、可選地，所述將源域 s、時(shí)間子域 p、混合子域 q的腦電信號特征樣本一起輸入域?qū)股窠?jīng)網(wǎng)絡(luò)中訓(xùn)練形成分支預(yù)測結(jié)果之前，還包括訓(xùn)練域?qū)股窠?jīng)網(wǎng)絡(luò)的步驟，且訓(xùn)練優(yōu)化分支網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)采用的損失函數(shù)為分類損失和域損失兩者之和，分類損失的計(jì)算函數(shù)表達(dá)式為：
10、，
11、上式中，為樣本的數(shù)量，為任務(wù)標(biāo)簽，表示任務(wù)分類器，與表示任務(wù)標(biāo)簽所對應(yīng)的腦電信號特征樣本對中的兩個(gè)腦電信號特征樣本由特征表示模塊提取得到的特征表示；域損失的計(jì)算函數(shù)表達(dá)式為：
12、，
13、上式中，表示數(shù)學(xué)期望值，為腦電信號特征樣本對的類型標(biāo)簽，表示對抗判別器，為拼接操作，和為腦電信號特征樣本對中的兩個(gè)腦電信號特征樣本由特征表示模塊提取得到的特征表示。
14、此外，本專利技術(shù)還提供一種基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，包括相互連接的微處理器和存儲(chǔ)器，所述微處理器被編程或配置以執(zhí)行所述基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法。
15、此外，本專利技術(shù)還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序或指令，該計(jì)算機(jī)程序或指令被編程或配置以通過處理器執(zhí)行所述基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法。
16、此外，本專利技術(shù)還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，該計(jì)算機(jī)程序或指令本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，包括下述步驟：分別獲取目標(biāo)域O和多個(gè)源域S的腦電信號特征樣本；將每個(gè)源域S的腦電信號特征樣本分別通過時(shí)間置亂形成時(shí)間子域P的多個(gè)腦電信號特征樣本；將每個(gè)源域S的腦電信號特征樣本分別與目標(biāo)域O的腦電信號特征樣本混合形成多個(gè)混合子域Q的腦電信號特征樣本；將源域S、時(shí)間子域P、混合子域Q的腦電信號特征樣本一起輸入域?qū)股窠?jīng)網(wǎng)絡(luò)中訓(xùn)練形成分支預(yù)測結(jié)果；將分支預(yù)測結(jié)果進(jìn)行投票預(yù)測以確定目標(biāo)域O的最終預(yù)測結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述將每個(gè)源域S分別通過時(shí)間置亂形成多個(gè)時(shí)間子域P時(shí)，包括將源域S中的腦電信號特征樣本分割為左半球和右半球，針對每一對時(shí)間上相鄰的t時(shí)刻和t+1時(shí)刻的兩個(gè)腦電信號特征樣本，將t時(shí)刻的腦電信號特征樣本的左半球部分、t+1時(shí)刻的腦電信號特征樣本的右半球部分拼接組合得到時(shí)間子域P中t時(shí)刻的腦電信號特征樣本，將t+1時(shí)刻的腦電信號特征樣本的左半球部分、t時(shí)刻的腦電信號特征樣本的右半球部分拼接組合得到時(shí)間子域P中t+1時(shí)刻的腦電信號特征樣本
3.根據(jù)權(quán)利要求1所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述將每個(gè)源域S的腦電信號特征樣本分別與目標(biāo)域O的腦電信號特征樣本混合形成多個(gè)混合子域Q的腦電信號特征樣本是指基于相同刺激下不同域中的腦電信號特征樣本的相似性按等比例混合參與訓(xùn)練和源域S和目標(biāo)域O形成多個(gè)混合子域Q的腦電信號特征樣本。
4.根據(jù)權(quán)利要求1所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述域?qū)股窠?jīng)網(wǎng)絡(luò)包括：樣本配對模塊，用于將輸入的源域S、時(shí)間子域P、混合子域Q的腦電信號特征樣本分別與目標(biāo)域O的腦電信號特征樣本進(jìn)行組合和配對，形成多種類型的腦電信號特征樣本對；特征表示模塊，用于對來自源域或目標(biāo)域的腦電信號特征樣本進(jìn)行特征提取；對抗判別器，用于判斷輸入的域類型；任務(wù)分類器，用于判斷輸入的任務(wù)類型。
5.根據(jù)權(quán)利要求4所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述將輸入的源域S、時(shí)間子域P、混合子域Q的腦電信號特征樣本分別與目標(biāo)域O的腦電信號特征樣本進(jìn)行組合和配對時(shí)，形成的多種類型的腦電信號特征樣本對包括下述六種類型的腦電信號特征樣本對：（1）相同標(biāo)簽，相同源域：兩個(gè)樣本都屬于同一標(biāo)簽，且都來自源域；（2）不同標(biāo)簽，相同源域：兩個(gè)樣本屬于不同的標(biāo)簽，且都來自源域；（3）相同標(biāo)簽，不同域：兩個(gè)樣本屬于同一標(biāo)簽，但分別來自源域和目標(biāo)域；（4）不同標(biāo)簽，不同域：兩個(gè)樣本屬于不同標(biāo)簽，且分別來自源域和目標(biāo)域；（5）相同標(biāo)簽，相同目標(biāo)域：兩個(gè)樣本都屬于同一標(biāo)簽，且都來自目標(biāo)域；（6）不同標(biāo)簽，相同目標(biāo)域：兩個(gè)樣本屬于不同標(biāo)簽，且都來自目標(biāo)域。
6.根據(jù)權(quán)利要求4所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述特征表示模塊為具有共享參數(shù)的多層感知器MLP，所述多層感知器MLP包含兩個(gè)全連接的隱藏層和一個(gè)輸出層；所述對抗判別器由兩個(gè)全連接層和一個(gè)輸出層組成；所述任務(wù)分類器由兩個(gè)全連接層和一個(gè)輸出層組成。
7.根據(jù)權(quán)利要求4所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述將源域S、時(shí)間子域P、混合子域Q的腦電信號特征樣本一起輸入域?qū)股窠?jīng)網(wǎng)絡(luò)中訓(xùn)練形成分支預(yù)測結(jié)果之前，還包括訓(xùn)練域?qū)股窠?jīng)網(wǎng)絡(luò)的步驟，且訓(xùn)練優(yōu)化分支網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)采用的損失函數(shù)為分類損失和域損失兩者之和，分類損失的計(jì)算函數(shù)表達(dá)式為：
8.一種基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，包括相互連接的微處理器和存儲(chǔ)器，其特征在于，所述微處理器被編程或配置以執(zhí)行權(quán)利要求1～7中任意一項(xiàng)所述基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法。
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序或指令，其特征在于，該計(jì)算機(jī)程序或指令被編程或配置以通過處理器執(zhí)行權(quán)利要求1～7中任意一項(xiàng)所述基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法。
10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，其特征在于，該計(jì)算機(jī)程序或指令被編程或配置以通過處理器執(zhí)行權(quán)利要求1～7中任意一項(xiàng)所述基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法。
...【技術(shù)特征摘要】
1.一種基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，包括下述步驟：分別獲取目標(biāo)域o和多個(gè)源域s的腦電信號特征樣本；將每個(gè)源域s的腦電信號特征樣本分別通過時(shí)間置亂形成時(shí)間子域p的多個(gè)腦電信號特征樣本；將每個(gè)源域s的腦電信號特征樣本分別與目標(biāo)域o的腦電信號特征樣本混合形成多個(gè)混合子域q的腦電信號特征樣本；將源域s、時(shí)間子域p、混合子域q的腦電信號特征樣本一起輸入域?qū)股窠?jīng)網(wǎng)絡(luò)中訓(xùn)練形成分支預(yù)測結(jié)果；將分支預(yù)測結(jié)果進(jìn)行投票預(yù)測以確定目標(biāo)域o的最終預(yù)測結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述將每個(gè)源域s分別通過時(shí)間置亂形成多個(gè)時(shí)間子域p時(shí)，包括將源域s中的腦電信號特征樣本分割為左半球和右半球，針對每一對時(shí)間上相鄰的t時(shí)刻和t+1時(shí)刻的兩個(gè)腦電信號特征樣本，將t時(shí)刻的腦電信號特征樣本的左半球部分、t+1時(shí)刻的腦電信號特征樣本的右半球部分拼接組合得到時(shí)間子域p中t時(shí)刻的腦電信號特征樣本，將t+1時(shí)刻的腦電信號特征樣本的左半球部分、t時(shí)刻的腦電信號特征樣本的右半球部分拼接組合得到時(shí)間子域p中t+1時(shí)刻的腦電信號特征樣本，最終形成時(shí)間子域p的多個(gè)腦電信號特征樣本。
3.根據(jù)權(quán)利要求1所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述將每個(gè)源域s的腦電信號特征樣本分別與目標(biāo)域o的腦電信號特征樣本混合形成多個(gè)混合子域q的腦電信號特征樣本是指基于相同刺激下不同域中的腦電信號特征樣本的相似性按等比例混合參與訓(xùn)練和源域s和目標(biāo)域o形成多個(gè)混合子域q的腦電信號特征樣本。
4.根據(jù)權(quán)利要求1所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號分類方法，其特征在于，所述域?qū)股窠?jīng)網(wǎng)絡(luò)包括：樣本配對模塊，用于將輸入的源域s、時(shí)間子域p、混合子域q的腦電信號特征樣本分別與目標(biāo)域o的腦電信號特征樣本進(jìn)行組合和配對，形成多種類型的腦電信號特征樣本對；特征表示模塊，用于對來自源域或目標(biāo)域的腦電信號特征樣本進(jìn)行特征提取；對抗判別器，用于判斷輸入的域類型；任務(wù)分類器，用于判斷輸入的任務(wù)類型。
5.根據(jù)權(quán)利要求4所述的基于多任務(wù)學(xué)習(xí)的多源域?qū)鼓X電信號...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李明，鞠翔宇，程碩，胡德文，
申請(專利權(quán))人：中國人民解放軍國防科技大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。