摘要
本发明公开了一种基于时空融合与多重注意力机制的情绪识别方法,属于情绪识别领域,包括以下步骤:构建空间特征提取器对脑电信号进行特征提取得到特征M1;特征M1通过基于多头注意力机制的图卷积网络生成空间特征;构建时间特征提取模块对脑电信号进行特征提取得到时序特征;将空间特征和时序特征进行拼接,得到时空特征;将时空特征进行展平后输入到宽度学习系统进行特征映射,输出结果FB;采用全连接层和焦点损失函数构建分类器,在情绪分类的同时,通过对抗域自适应器直接对齐源域和目标域的特征分布,不断增强模型的跨域适应能力。本发明可以有效提升情绪分析的准确性,为情绪调节、心理健康监测及人机交互等领域提供数据支持。
技术关键词
情绪识别方法
空间特征提取
焦点损失函数
特征提取模块
宽度学习系统
时序特征
多头注意力机制
输出特征
长短期记忆网络
构建分类器
电信号
样本
BLS架构
主题
线性
分类模型训练
交叉验证法
节点