双流自注意力图对比学习框架

跨主体情绪识别

本模型通过半监督多域自适应和图对比学习，在标记数据稀缺时仍能有效提取脑电特征，显著提高跨主体情绪识别准确率。

Weishan, Ye · Zhang, Zhiguo · Fei, Teng · 张旻 · 王建红 · 倪东 · 李发礼 · 徐鹏 · 梁振

IEEE Transactions on Affective Computing 2024

参数信息

平均准确率提升

2.17 %

技术优势

标记少也能用

框架结合半监督多域自适应和图对比学习，能同时利用有标签和无标签源域数据，在仅有少量标记样本时仍可训练出有效模型。

跨人识别更准

自注意力融合模块突出与情绪更相关的脑电特征，并挑选靠近目标域的源域样本，从而在跨主体留一法验证中平均提升2.17%。

兼顾结构与内容

双流设计分别提取非结构化特征和基于图的结构化特征，通过图对比学习从多通道脑电中挖掘电极间关系，获得更全面的表征。

应用场景

• 脑机接口情感计算：在标记数据有限时仍能实现高精度跨主体情绪识别，可直接嵌入BCI系统。
• 可穿戴情绪监测：半监督框架降低对新用户标记需求，适合可穿戴设备上的实时情绪监测。
• 人机交互情感感知：通过跨主体泛化识别用户情绪，使机器人无需大量个体标注即可适应交互。