一种自监督数据增强的脑电图情感识别框架

文章预览

摘要 随着情感计算的发展，基于脑电图（EEG）的情感识别技术吸引了广泛的关注，因其在交互系统中具有潜在的应用价值。然而，由于受限于EEG数据的采集难度及数据本身的复杂性，使得有效的情感识别模型面临数据稀缺的问题。近年来，数据增强技术在提高深度学习模型性能方面展现出了巨大潜力，尤其是在图像识别领域。受此启发，提出了一种基于生成对抗网络的自监督数据增强框架（GANSER），旨在为基于EEG的情感识别提供高质量和高多样性的模拟EEG样本。该框架创新性地将对抗训练与自监督学习相结合，通过遮罩变换操作和生成对抗网络生成数据，不仅增强了数据的多样性，同时也保证了数据的质量。通过多因素训练网络（MTN），进一步利用增强数据训练情感识别模型，提高了模型的泛化能力和稳定性。实验结果表明，GANSER框架在标准EEG情 ………………………………