买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明涉及生理信号处理领域，其公开了一种基于无源领域自适应的精神压力识别方法，解决传统精神压力识别方法存在的多分类识别准确率低、跨域识别迁移难、由于隐私保护和标签失真导致识别无法开展的问题。其首先构建源域训练集和目标域训练集；接着，对两训练集中的数据进行预处理；然后，对源域训练集中的数据进行变换，并分配伪标签，对特征提取器和源域分类器进行自监督预训练；接着，基于目标域训练集对特征提取器、源域分类器和目标域分类器进行自适应训练；最后基于训练完成的特征提取器和目标域分类器构建精神压力识别模型。在执行识别任务时，通过穿戴式设备采集操作人员的心电信号，将其作为模型的输入，识别操作人员的精神压力类别。

主权项：1.一种基于无源领域自适应的精神压力识别方法，其特征在于：A、训练精神压力识别模型A1、基于预设的精神压力等级，构建操作情景；采集操作人员在各类操作情景下的原始生理数据，所述原始生理数据为包含心电信号的各类生理指标数据；利用采集获得的各类操作情景下的原始生理数据，构建源域生理数据；按照预设比例划分一部分源域生理数据，构成源域训练样本，构建为源域训练集；将剩余部分的源域生理数据，提取其所包含的心电信号作为目标域生理数据，由各目标域生理数据及其对应的源域生理数据构成目标域训练样本，构建为目标域训练集；所述源域训练集和目标域训练集，均包括对应所有操作情景的训练样本；A2、对源域训练集和目标域训练集所包含的各源域生理数据，首先，将源域生理数据所包含的除心电信号以外的各生理指标数据，分别以心电信号的采用频率，进行重采样；然后，将重采样获得的各生理指标数据同心电信号，进行融合，获得采样率及维度均与心电信号相同的源域单通道数据；A3、基于源域训练集所包含源域训练样本的源域单通道数据，利用各类变换模型，进行数据变换，获得变换数据样本；基于源域训练样本的源域单通道数据和变换数据样本，构建扩展数据集，并基于扩展数据集的样本的数据来源，为其分配伪标签；利用扩展数据集的样本及其伪标签，对特征提取器和源域分类器进行自监督训练；A4、从目标域训练集提取目标域训练样本，作为本轮训练的输入；将输入的目标域训练样本中的源域生理数据的源域单通道数据，利用特征提取器和源域分类器，获得源域类别分布向量将输入的目标域训练样本中的目标域生理数据，利用特征提取器和目标域分类器，获得目标域类别分布向量其中，s表示源域，t表示目标域，i表示输入目标域训练样本在批次中的序号；所述源域分类器和目标域分类器为网络结构相同的分类器；A5、判定是否完成特征提取器和源域分类器的训练，若是，则执行步骤A6；否则，基于目标域类别分布向量和源域类别分布向量计算第一联合损失所述第一联合损失包括分类损失对抗性分类损失和对比损失基于所述第一联合损失更新特征提取器和源域分类器的参数，并返回步骤A4；A6、判定是否完成目标域分类器的训练，若是，则进入步骤A7；否则，基于目标域类别分布向量和源域类别分布向量计算第二联合损失所述第二联合损失包括分类损失和目标分类损失基于所述第二联合损失更新目标域分类器的参数，并返回步骤A4；所述分类损失为源域分类器和目标域分类器的分类损失和；所述目标分类损失为目标域分类器在目标域生理数据上的分类损失；所述对抗性分类损失为特征提取器所生成特征在源域和目标域之间的对齐损失；所述对比损失为正集所包含各样本对的两样本间的对比损失；所述正集的构建过程包括：基于目标域类别分布向量和源域类别分布向量基于两者的相似性判定，对步骤A4输入的目标域训练样本进行分类，分别划入源相似集和源不相似集；将源相似集中的每一个样本，分别与源相似集中的各个样本组成样本对；将源不相似集中的每一个样本，分别与源不相似集中的各个样本组成样本对；计算各样本对中的两样本的类别相似度，筛选满足条件的样本对，构成正集；A7、基于训练完成的特征提取器和目标域分类器构建精神压力识别模型；B、执行精神压力识别任务输入操作人员的心电信号，利用精神压力识别模型，识别当前操作人员的精神压力类别。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于无源领域自适应的精神压力识别方法