辅助域引导的运动想象模式识别异构迁移学习OA

为了减少运动想象脑机接口的校准需求,迁移学习得到广泛应用.然而,多数研究仅在同一数据集内实现迁移学习,或者虽考虑跨数据集迁移,但忽略了不同数据集之间存在信号通道及长度异构的情形.本文针对数据空间异构的跨数据集迁移场景,提出了一种辅助域引导的异构迁移学习网络(AHTLNet).首先,针对不同数据集数据通道及信号长度异构的问题,设计了双路卷积神经网络结构,用于提取异构数据的同构特征;其次,为了解决异构数据空间下源域与目标域分布偏移过大造成的负迁移问题,通过预处理手段构造辅助域,利用其与目标域同源、与源域同构的特性来辅助迁移过程;最后,为了提高异构迁移精度,提出了基于双重伪标签的条件分布距离度量方法和基于一致性的迁移方法,以辅助域为引导,分别从直接对齐和间接对齐两重途径促进异构数据集之间的迁移.实验结果表明,AHTLNet能够利用源数据集学习到的知识辅助目标数据集分类模型的建立,并以较高的准确率(77.59%)完成目标数据集无标签样本的自动标注任务.