子域自適應網絡跨被試情緒識別算法

郭苗苗 陳昕彤 王磊 李夢凡 蔡梓良 徐桂芝

（1.河北工業大學電氣工程學院省部共建電工裝備可靠性與智能化國家重點實驗室，天津 300130；2.河北工業大學電氣工程學院天津市生物電工與智能健康重點實驗室，天津 300130）

1 引言

情緒識別是讓計算機感知人類情感狀態從而實現人機交互技術的關鍵環節，隨著神經科學對情緒機理研究的逐步深入和腦機接口技術在情感智能領域應用的迅速發展，情緒識別在情感腦機接口的相關研究和應用中得到了學術界和產業界的廣泛關注。在眾多情緒識別的方法中，腦電（Electroencephalogram，EEG）信號作為一種生理信號，由人體的中樞神經直接產生，難以人為操縱或改變，可以實時客觀地反映出人類情緒狀態，相較于其他諸如基于語音或面部表情等非生理信號進行情緒識別的傳統方法而言［1-2］，具有更高的可靠性和準確性［3］，這使得很多研究人員選擇基于EEG 的情緒識別方法作為研究大腦對情緒刺激反應的首選方法。

在各類基于EEG 的情緒識別方法中，大多數研究使用淺層模型，如支持向量機（Support vector machine，SVM）、決策樹等［4-5］，這類傳統方法對復雜函數表達能力有限，更容易受到不同領域數據分布變化的影響，進而在一定程度上限制了機器學習模型解決復雜分類問題的能力［6］。相較而言，深度學習通過學習一種深層非線性網絡結構實現復雜函數逼近［7］，對輸入數據分布式表示具有更好的擬合能力，展現了強大的從樣本集中學習數據集本質特征的能力，顯示出來一些優于淺層模型的優勢［8-9］。……