arXiv cs.AI· Haiqi Liu, C. L. Philip Chen, Tong Zhang·· 1 天前AI 评分18
FACE：面向跨被试 EEG 情绪识别的少样本适配器与跨视图融合方法
FACE: Few-shot Adapter with Cross-view Fusion for Cross-subject EEG Emotion Recognition
AI 导读
研究者提出 FACE，一种结合跨视图融合与少样本适配器的方法，用于跨被试 EEG 情绪识别。其跨视图融合模块通过被试专属融合权重动态整合全局脑连接与局部模式，少样本适配器模块借助元学习增强适配器结构，实现对新被试的快速适配并缓解过拟合。在三个公开 EEG 情绪识别基准上的实验验证了 FACE 在少样本跨被试评估下的有效性。
正文 · AI 翻译
摘要：跨被试脑电情绪识别面临着显著的被试间差异以及被试内差异复杂交织的挑战。现有工作主要通过域适应或域泛化策略来应对这些挑战。然而，这些方法通常需要大量目标被试数据，或对未见被试的泛化性能有限。近期的少样本学习范式试图解决这些局限，但在样本有限的情况下进行被试特定适应时，往往会遭遇灾难性过拟合。本文提出了一种名为 FACE 的少样本适配器与跨视图融合方法，用于跨被试脑电情绪识别，该方法利用动态跨视图融合和有效的被试特定适应。具体而言，FACE 包含一个跨视图融合模块，通过被试特定的融合权重动态整合全局脑连接与局部模式，以提供互补的情绪信息。此外，本文提出了少样本适配器模块，通过元学习增强适配器结构，从而实现对未见被试的快速适应，同时减少过拟合。在三个公开脑电情绪识别基准上的实验结果表明，FACE 在少样本跨被试评估下具有有效性。
| 评论： | 早期访问版本 |
| 主题： | 图像与视频处理（eess.IV）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2503.18998 [eess.IV] |
| （或 arXiv:2503.18998v2 [eess.IV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2503.18998 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haiqi Liu [查看邮箱]
[v1]
2025年3月24日星期一 03:16:52 UTC（1,652 KB）
[v2]
2026年11月12日星期四 08:09:32 UTC（2,088 KB）
来源：arXiv cs.AI · arxiv.org