发布时间：2025-10-08

文章标题：情感脑机接口新算法：基于动态分布对齐网络的无监督域自适应情绪识别算法，Neurocomputing 2025

内容：

  近日，西安交通大学类脑智能研究中心在国际人工智能与神经计算领域权威期刊《Neurocomputing》上发表了最新研究成果，论文题为《UDA-DDA: Unsupervised Domain Adaptation with Dynamic Distribution Alignment Network for Emotion Recognition Using EEG Signals》。该研究聚焦于情感脑机接口（aBCI）中跨被试脑电情绪识别的关键难题，提出了一种新型动态分布对齐无监督域适应算法（UDA-DDA）。该算法通过在模型训练过程中引入动态分布权重调节机制和伪标签置信度自适应筛选策略，能够同时对齐源域与目标域的边缘分布和条件分布，从而有效缓解个体间分布差异带来的影响，提升模型的泛化能力与稳定性。

 

研究亮点：情感脑机接口旨在利用脑电信号对个体情绪状态进行识别与监测，但个体差异导致的跨被试分布不一致性长期制约了其应用。UDA-DDA框架引入动态分布对齐机制，使模型在训练过程中自适应地调整源域与目标域间差异，从而提升迁移效果。此外，UDA-DDA在无监督训练阶段集成了伪标签置信度过滤模块，以优化伪标签生成过程并提高条件分布估计的准确性。本工作在 SEED（87.27%±7.55%）和 SEED-IV（74.01%±11.34%）等国际标准脑电情绪识别数据库上均取得显著性能提升，识别准确率较 MS-MDA、SCSTM-DS、FSAN、SEDA-EEG、DFSAN 和 PR-PL 等代表性方法平均提升约 5%–8%，充分体现了 UDA-DDA 在动态分布对齐与伪标签自适应策略方面的优势。同时，在相同的实验条件及相同的硬件环境下，UDA-DDA 模型的计算开销显著降低，仅为 3.01 M FLOPs，训练时间为 33.0065 秒，推理时间仅 20.37 毫秒。研究成果为构建个体化、可穿戴、实时响应的智能情绪调控系统提供了重要理论与技术支撑，展现了脑机接口技术在智能健康与神经工程领域的广阔应用前景。

 

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0925231225023872

 

针对情感脑机接口（aBCI）跨被试脑电情绪识别的无监督域适应动态分布对齐框架流程图