基于腦電信號（Electroencephalo-Graph,EEG）的情緒識別方法以其良好的客觀性和較高的時(shí)間分辨率,是研究大腦對情緒刺激反應(yīng)的首選方法。然而,由于腦電情緒特征具有明顯的不穩(wěn)定性,利用固定分類模型預(yù)測腦電信號對應(yīng)的情緒狀態(tài)變得十分困難,極大地限制了腦電情緒識別技術(shù)的實(shí)際應(yīng)用。如何提升腦電情緒分類模型在源自不同個(gè)體（或時(shí)段）的樣本上的泛化能力是目前腦電情緒識別領(lǐng)域最具有挑戰(zhàn)性的前沿方向之一。領(lǐng)域適配（Domain Adaptation,DA）方法通過在不同領(lǐng)域間實(shí)現(xiàn)知識遷移,放寬了訓(xùn)練樣本和待測樣本必須滿足相同概率分布的要求,是解決上述問題的有效方法。本文圍繞腦電情緒識別技術(shù)的諸多特性,從特征適配和判別模型適配兩個(gè)層面開展了一系列基于領(lǐng)域適配的腦電情緒識別方法研究,為解決跨個(gè)體（或時(shí)段）腦電情緒識別問題提供了新的方法和思路。論文完成的主要研究工作如下:首先,針對基于淺層網(wǎng)絡(luò)的核學(xué)習(xí)領(lǐng)域適配方法難以挖掘腦電特征概率分布中復(fù)雜結(jié)構(gòu)的問題進(jìn)行研究,提出了一種基于子空間約束棧式自動編碼器（Subspace Constraint Auto-encoder,SCAE）的離線腦電特征適... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：125 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 腦電情緒識別技術(shù)概述
        1.2.1 腦電節(jié)律與情緒狀態(tài)空間
        1.2.2 腦電情緒識別方法
    1.3 跨個(gè)體腦電情緒識別研究現(xiàn)狀及分析
        1.3.1 腦電特征不穩(wěn)定性問題分析
        1.3.2 離線跨個(gè)體腦電情緒識別研究現(xiàn)狀及分析
        1.3.3 在線跨個(gè)體腦電情緒識別研究現(xiàn)狀及分析
        1.3.4 腦電數(shù)據(jù)多源性問題研究現(xiàn)狀及分析
    1.4 本研究領(lǐng)域存在的科學(xué)問題和關(guān)鍵技術(shù)問題
    1.5 本文的主要研究內(nèi)容
第2章 基于SCAE的離線腦電情緒特征適配
    2.1 引言
    2.2 問題分析
    2.3 堆棧式自動編碼器
    2.4 子空間約束棧式自動編碼器（SCAE）
    2.5 參數(shù)優(yōu)化算法
    2.6 特征適配與分類
    2.7 實(shí)驗(yàn)過程和結(jié)果分析
        2.7.1 實(shí)驗(yàn)數(shù)據(jù)及設(shè)置
        2.7.2 性能評價(jià)指標(biāo)
        2.7.3 Cross-Subject特征適配性能比較
        2.7.4 Cross-Period特征適配性能比較
        2.7.5 參數(shù)敏感性分析
        2.7.6 實(shí)驗(yàn)結(jié)果討論
    2.8 本章小結(jié)
第3章 基于ASFM的在線腦電情緒特征適配
    3.1 引言
    3.2 自適應(yīng)子空間特征匹配（ASFM）
        3.2.1 基于子空間對齊的邊緣分布適配
        3.2.2 自適應(yīng)直推式條件分布適配
        3.2.3 計(jì)算復(fù)雜度分析
    3.3 實(shí)驗(yàn)過程和結(jié)果分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)及設(shè)置
        3.3.2 性能評價(jià)指標(biāo)
        3.3.3 在線特征適配性能比較
        3.3.4 計(jì)算效率分析
        3.3.5 參數(shù)敏感性分析
        3.3.6 實(shí)驗(yàn)結(jié)果討論
    3.4 本章小結(jié)
第4章 基于MSDA的多源腦電情緒判別模型適配
    4.1 引言
    4.2 多源領(lǐng)域適配（MSDA）
        4.2.1 多源領(lǐng)域適配方法框架
        4.2.2 個(gè)體分類模型學(xué)習(xí)
        4.2.3 模型適配權(quán)重估計(jì)
        4.2.4 分類模型適配
    4.3 實(shí)驗(yàn)過程和結(jié)果分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)及設(shè)置
        4.3.2 多源領(lǐng)域適配實(shí)驗(yàn)結(jié)果
        4.3.3 個(gè)體差異估計(jì)效果評估
        4.3.4 參數(shù)敏感性分析
        4.3.5 實(shí)驗(yàn)結(jié)果討論
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡歷



本文編號：2912016