一种基于自适应层次节点融合的脑电情绪识别方法

本发明请求保护一种基于自适应层次节点融合的脑电情绪识别方法。该方法首先通过多尺度一维卷积层从原始脑电信号中提取具有丰富频率‑时间信息的时序特征；然后基于提取的特征构建以电极为节点、特征为节点属性的初始图结构；接着将初始图输入至核心的自适应层次节点融合模块，该模块通过并行的功能连接构建流与节点融合流，动态学习节点间的功能连接关系及节点分配矩阵，实现从电极级别到脑区级别的层次化特征抽象；最后通过对顶层图结构的节点特征进行全局池化和分类，输出情绪识别结果。本发明突破了传统方法依赖固定脑区划分的局限性，能够自适应地构建层次化脑功能网络，在提升情绪识别准确率的同时，增强了模型的神经科学可解释性。