基于时空多示例学习的弱监督EEG情绪识别方法及系统

本发明公开一种基于时空多示例学习的弱监督EEG情绪识别方法及系统，该方法包括下述步骤：对获取的EEG信号进行数据预处理得到差分熵特征矩阵，经Time‑Inception模块得到为空间实例序列，经Space‑Inception模块得到时间实例序列，时间实例序列及空间实例序列经对应的时间感知MIL池化分支、空间感知MIL池化分支得到时间包特征、空间包特征，分别输入线性分类器得到时间分支和空间分支的情绪类别概率分布，基于总损失函数训练得到情绪类别预测模型，输出最终的情绪类别预测结果。本发明能同时建模EEG信号的时间动态和空间拓扑特征，有效缓解粗标签带来的噪声问题，提高跨被试情绪识别的准确率和鲁棒性。