一种基于多层感知机的情绪分类方法
专利汇可以提供一种基于多层感知机的情绪分类方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及了一种基于多层 感知 机的情绪分类方法，首先通过将原始的脑电 信号 进行噪声的滤除，然后提取 特征向量 ，之后通过多层感知机利用所得信号对分类模型进行训练并将训练模型保存，最后通过该模型进行情绪的分类。本发明的创新之处在于：训练模型可作为预训练模型，再次输入网络中，从而在数据更新时，可利用新的数据实时调整模型，而无需将所有数据重新输入网络中进行训练，从而实现在已有模型上不断优化模型准确性，即实现模型实时学习的目的。这种终身学习的模型对于提高模型的适应性和准确率具有重要意义。，下面是一种基于多层感知机的情绪分类方法专利的具体信息内容。
1.一种基于多层感知机的情绪分类方法，其特征在于：包含以下步骤，
步骤1：对采集的脑电信号进行去噪；
步骤2：对该信号进行傅立叶变换，转化为频域的分析；
步骤3：特征提取，计算脑电信号的五个重要频带的微分熵、功率谱密度等值；
步骤4：将特征值输入多层感知机中训练分类模型；
步骤5：将训练所得模型加载入分类算法中，从而实现情绪的实时分类，并可利用实时采集的新数据完成模型的进一步训练。
2.根据权利要求1所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤1中，提取的信号为大脑前额区的脑电信号。
3.根据权利要求2所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤1中，采用双通道设备分别采集大脑左右半球的脑电信号数据，通过计算不对称熵特征，并利用此计算数据作为分类器输入，提高分类识别率。
4.根据权利要求1所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤2中，利用公式：
将基于时域的信号分析与处理转化为频域的分析。
5.根据权利要求1所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤3中，特征值为利用傅立叶变换处理所得后信号提取所得的各个频段的微分熵值、功率谱密度值。
6.根据权利要求5所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤3的具体步骤为：
对于五个重要频带的微分熵，利用以下推导得到的公式进行计算：
用平均信息量表示一个信源Xi的信息量，将取值的范围大致划分为宽度为Δ的小部分，由均值定理可知，每部分总存在一个xi使下面等式成立：
将每个在i部分的点赋给xi，代入离散变量的香农熵公式中：
HΔ＝-∑ip(xi)Δln[p(xi)Δ]＝-∑ip(xi)Δln[p(xi)]-∑ip(xi)ΔlnΔ 0当Δ趋于0时，∑ip(xi)Δ趋于1，而lnΔ趋于-∞，所以式(2)最右侧第二项趋向于∞，定义式(3)最右侧第一项为连续信源的熵，称为微分熵，从而微分熵可以写成：
H(x)＝-∫Xf(x)log[f(x)]dx (2)
式中，f(x)是信号xi的概率密度函数；假设信号源，脑电信号数据服从正态分布N(μ，σ2)，然后求解微分熵，得：
由上式可得，只要得到σ2，便可得到xi的微分熵，则正态分布N(μ，σ2)的方差计算公式为：
通常定义离散信号的频谱能量为 则由上式可得，对于某一个频带的
微分熵特征为：
而功率谱密度则可通过公式：
利用对频带能量，即功率谱密度的分析，可得到人的情绪的激烈程度，利用其他特征值可通过多层感知机，对情绪的积极、消极做出分类。
7.根据权利要求5所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤5中，还可将上述不对称熵也输入多层感知机中；
所述不对称熵计算方法为：
1)分别计算左脑三个导联(FP1、F3、F7)在β频带的微分熵和右脑三个导联(FP2、F4、F8)在β频带的微分熵；
2)计算右侧导联的微分熵除以左、右对称导联的微分熵之差的值与右侧导联的微分熵除以左、右对称导联的微分熵之差的值与右侧导联的微分熵除以左、右对称导联的微分熵之和的值，如式(8)、式(9)所示：
DEL表示左侧导联的微分熵，DER表示右侧导联的微分熵；
3)将计算的到的index1和index2拼合在一起，作为不对称熵DisEn，用式(10)来表示：
DisEn＝[index1，index2] (11)。
8.根据权利要求1所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤4中，多层感知机分类器采用迁移学习、终身学习架构，可通过进一步的训练提高分类的准确率；
多层感知机通过模拟生物神经元的模式，特征值输入到其输入层中，隐层和输出层的每个节点都计算一次线性变换，并应用线性激活函数，并通过增加隐含层提升其分类的准确性；
通过输入训练数据集使其训练出一个模型；其本质上相当于广义线性回归模型的集成，故可以完成分类的任务。
9.根据权利要求1所述的基于多层感知机的情绪分类方法，其特征在于：所述步骤5的具体实施方法为，将步骤4中保存的分类模型重新加载并应用于对所获取数据的情绪分类中，为了减少偶然因素的影响，每次分析都采取对1s内脑电信号数据，即一段数据进行处理，这样，情绪的实时分类便得以实现。
一种基于多层感知机的情绪分类方法
技术领域
背景技术
发明内容
(μ，σ)，然后求解微分熵，得：
具体实施方式
布N(μ，σ)，然后求解微分熵，得：
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种连续语音流中的叠音检测方法 | 2020-05-11 | 337 |
| 信号处理电路信号干扰检测方法、存储介质及计算机设备 | 2020-05-12 | 153 |
| 计及市场运作规则的多种可中断负荷实时协调控制方法 | 2020-05-13 | 144 |
| 一种基于多层感知机的情绪分类方法 | 2020-05-08 | 571 |
| 基于离散线性调频傅立叶变换的高速机动目标检测方法 | 2020-05-11 | 779 |
| 语音信号中针对通用特定语音的并联特征提取系统及方法 | 2020-05-11 | 493 |
| 基于加权一致优化的宽带分布式协作压缩频谱感知方法 | 2020-05-11 | 810 |
| 密码设备和方法 | 2020-05-11 | 52 |
| 旋转机械设备的故障检测方法、装置、设备及存储介质 | 2020-05-12 | 748 |
| 一种8-羟基喹啉硼化锂修饰的聚合物传感器阵列的构建方法及应用 | 2020-05-11 | 93 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
