基于無源域適應(yīng)的腦電情緒識(shí)別

摘要： 現(xiàn)有腦電情緒識(shí)別中的域適應(yīng)方法利用源域數(shù)據(jù)及其特征分布來訓(xùn)練模型，不可避免地需要頻繁訪問源域，可能會(huì)導(dǎo)致源域受試者的隱私信息泄露。針對(duì)該問題，本研究提出一種基于高斯混合模型、核范數(shù)最大化和Tsallis熵的無源域適應(yīng)(GNTSFDA)腦電情緒識(shí)別方法。首先，基于源域數(shù)據(jù)和本研究所提出的CNN和Transformer特征混合(CTFM)網(wǎng)絡(luò)，利用交叉熵?fù)p失訓(xùn)練得到源域模型；然后，...