结合通用路径学习与医学先验的双路脑电情绪识别方法及系统

本发明涉及深度学习和情绪识别技术，为一种结合通用路径学习与医学先验的双路脑电情绪识别方法及系统。其方法包括步骤：对脑电图信号进行预处理，提取差分熵特征；构建基于通用路径的邻接矩阵AC、基于医学先验所划分的脑区的邻接矩阵AR；将差分熵特征作为节点特征，分别将邻接矩阵AC、AR作为边，构建通路图结构、先验图结构；分别对通路图结构、先验图结构进行图卷积操作以根据邻接矩阵AC、AR更新节点特征；对所更新的两路节点特征进行融合，获得高维融合特征矩阵表示；再通过多层感知机对脑电情绪进行识别分类。本发明有效结合了通用的情绪识别特征与脑区划分的生物学先验，为情绪识别提供了更加全面和精确的特征表示。