本文主要是介绍Personalizing EEG-based Affective Models with Transfer Learning 阅读，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
提出了个体到个体的两种方法
1）源域和目标域共享结构（TCA、KPCA）
2)训练多个个体的分类器，对分类器参数进行迁移。
基本方法：组合所有个体可用的数据作为训练数据，训练一个基类分类器线性SVM。
数据特征维度：62*310（导联*特征维度）
TCA和KPCA：源域：14个个体中随机选取5000个样本，核选用线性核，分类器选用one vs one 策略。目标域剩余的一个人
Transductive Parameter Transfer（TPT）
density estimation kernel：相似性度量
这篇关于Personalizing EEG-based Affective Models with Transfer Learning 阅读的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
