结合半监督回归与二部图标签传播的迁移 EEG 情绪识别

该研究针对跨被试 EEG 情绪识别中的个体差异与分布偏移，提出结合半监督回归和二部图标签传播的 EEG 特征迁移方法 TSRBG，将特征分布对齐与半监督联合标签估计统一优化。基于摘要分析，未取得论文全文。 核心机制是学习共享子空间以减小被试间 EEG 特征分布差异，同时结合半监督回归与二部图标签传播开展标签估计。与摘要所述主要侧重域适应的既有方法相比，作者强调分布对齐与标签估计之间的协同，而非仅进行特征迁移。具体目标函数、图构建方式、回归约束、优化过程，以及目标被试标签的可用性尚未验证。 在 SEED-IV 数据集的跨被试情绪识别实验中，作者报告 TSRBG 的识别性能显著优于所比较的先进模型，并报告学习到的共享子空间显著减小了被试间特征分布差异。摘要未提供具体指标、分数、对照方法、被试划分或显著性检验细节，因此不能量化提升，也不能据此与其他实验协议下的结果直接比较。 作者还报告，通过考察学习到的子空间获得了与跨被试情绪识别相关的关键 EEG 频带和通道。这可作为分析模型特征利用方式的线索，但摘要不足以确认其稳定性，也不足以将其解释为已验证的情绪激活机制。 复现时需核对源被试与目标被试划分、目标域有标签和无标签数据的使用方式、EEG 特征提取流程、二部图构建与超参数选择，以及分布对齐和标签估计各自的贡献。实验协议、消融及统计信息尚未验证，代码可用性亦未确认。