技术特征：1.基于自监督cnn的脑电情绪识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于自监督cnn的脑电情绪识别方法，其特征在于：所述步骤一具体包括：
3.根据权利要求1所述的基于自监督cnn的脑电情绪识别方法，其特征在于：所述步骤二中辅助任务的构建步骤如下：
技术总结本发明涉及基于自监督CNN的脑电情绪识别方法，在多任务卷积神经网络模型基础上，利用自监督的学习方法对模型进行训练，在DEAP数据集和SEED数据集上进行情绪分类验证，并从数据扩展角度出发探究数据量以及数据特征对自监督性能的影响。该方法将自监督CNN引入脑电情绪识别中，解决了传统卷积神经网络训练时需要数据量大并且训练好的网络只能针对一种任务进行分类的问题，为情感脑电识别领域提供了一种新思路。
技术研发人员：王星怡,马玉良,佘青山,孙明旭
受保护的技术使用者：杭州电子科技大学
技术研发日：技术公布日：2024/1/12