基于多源域深度域自适应的脑力负荷识别

摘要：

为了解决脑力负荷识别模型在跨被试场景下泛化性能差的问题,本文构建了基于多源域深度域自适应的脑力负荷识别模型.使用预处理后的脑电和心电信号,首先通过基于最大均值差异的源域优选算法筛选出与目标域被试数据分布相近的源域被试集合;然后引入动态对抗域自适应网络,以对抗训练的形式同时适配源域和目标域数据的边缘分布与条件分布;最后采用集成学习策略对不同源域训练出的模型分类结果进行投票集成,以提高脑力负荷识别的准确性和稳定性.实验结果表明,该模型在WAUC数据集的跨被试脑力负荷识别任务中具有较好的识别准确率和鲁棒性.

关键词：脑力负荷、生理信号、多源域选择、动态对抗域自适应网络、集成学习

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：744-753