arXiv（brain-computer interface）·· 2 天前AI 评分35
VARY：在试次内情绪波动下从粗粒度试次标签进行稳健 EEG 情绪识别
Robust EEG-based Emotion Recognition from Coarse Trial-level Labels under Intra-trial Affective Variability
AI 导读
针对长 EEG 试次仅有全局情绪标签、试次内情绪波动导致短时窗标签不可靠的问题，研究提出变异性感知的稳健学习框架 VARY，用两阶段样本选择（TSS）筛出标签可靠的 EEG 时窗，并引入面向 EEG 的 MixAug 数据增强。在 DREAMER 和 SEED 两个公开数据集、三种网络架构与多种标签噪声设置下评估，VARY 相比最佳基线最高分别提升 11.54% 和 5.39% 准确率。
AI 要点
团队
第一作者 Xiaocong Zeng，末位作者 Dongyang Kuang，共 5 位作者。
主要结果
在标签噪声学习设置下，DREAMER 数据集最高准确率提升 11.54%，SEED 数据集提升 5.39%，均对比最佳基线。
解决什么问题
长 EEG trial 只有全局情绪标签，切窗后标签被传播，但 trial 内情绪可能波动，弱反映或偏离全局状态的窗口标签不可靠。
方法
提出 VARY 框架：两阶段样本选择（TSS）挑出标签可靠的 EEG 窗口，并用面向 EEG 的 MixAug 数据增强提升鲁棒性。
局限
从研究设计看，评估基于两个公开数据集的标签噪声模拟设置，未涉及真实细粒度情绪标注的验证。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org