买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华侨大学申请的专利面向模态缺失的多模态小样本情感识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121302103B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511882133.0，技术领域涉及：G06F18/2413；该发明授权面向模态缺失的多模态小样本情感识别方法及装置是由龚鑫荣;靳佳音;杨楷翔;施一帆;林琦;付远康;孙松;曾焕强;朱建清;陈婧设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本面向模态缺失的多模态小样本情感识别方法及装置在说明书摘要公布了：本发明公开了面向模态缺失的多模态小样本情感识别方法及装置，涉及情感计算技术领域，方法包括：S1，获取脑电数据和眼动数据；S2，构建包括特征提取模块、缺失模态重建模块、不确定性感知的自适应融合模块和小样本分类模块的多模态小样本情感识别模型；S3，使用脑电数据和眼动数据对多模态小样本情感识别模型进行训练，得到训练好的多模态小样本情感识别模型；S4，使用训练好的多模态小样本情感识别模型进行情感识别。本发明构建出多模态小样本情感识别模型，实现了在模态缺失、标注样本稀缺及跨被试分布偏移等复杂现实场景下，显著提升多模态情感识别的准确性、鲁棒性与泛化能力的技术效果。

本发明授权面向模态缺失的多模态小样本情感识别方法及装置在权利要求书中公布了：1.一种面向模态缺失的多模态小样本情感识别方法，其特征在于，包括如下步骤： S1，获取脑电数据和眼动数据； S2，构建包括特征提取模块、缺失模态重建模块、不确定性感知的自适应融合模块和小样本分类模块的多模态小样本情感识别模型； 所述特征提取模块，对脑电数据进行特征提取得到脑电数据深度特征；对眼动数据进行特征提取得到眼动数据深度特征； 所述缺失模态重建模块，对脑电数据或眼动数据进行模态缺失检测，如果眼动数据缺失，基于脑电数据生成替代表征，将替代特征作为眼动数据深度特征；如果脑电数据缺失，基于眼动数据生成替代表征，将替代特征作为脑电数据深度特征； 所述不确定性感知的自适应融合模块，将脑电数据深度特征和眼动数据深度特征进行特征融合，得到融合特征； 所述小样本分类模块，对融合特征进行情感类别判别，输出识别的情感类别； S3，使用脑电数据和眼动数据对多模态小样本情感识别模型进行训练，得到训练好的多模态小样本情感识别模型； S4，使用训练好的多模态小样本情感识别模型进行情感识别； 所述缺失模态重建模块，具体实现如下： 对脑电数据或眼动数据的在场情况进行模态缺失检测，将脑电数据或眼动数据任一项缺失模态数据记作缺失模态数据，另一个模态的数据记作在场模态数据；相应地，在场模态数据通过特征提取模块提取的特征记作在场模态深度特征； 以在场模态深度特征为查询，在特征库中检索K个近邻样本索引集合；所述特征库由 先验采集的脑电数据与眼动数据的配对样本特征构成； 计算在场模态深度特征与K个近邻样本的相似度，并根据相似度计算每个近邻样本的归一化权重； 根据归一化权重计算缺失模态的先验向量； 将在场模态深度特征的特征向量和缺失模态的先验向量分别通过线性投影 并切分成d维源token，得到两个token序列，并进行级联，得到级联token序列； 引入一个可学习的查询矩阵作为多头注意力的查询，将级联token序列作为键和值， 通过包含多头交叉注意力和前馈网络的多层条件块进行交互，得到细化的最终查询表征； 对最终查询表征进行汇聚并通过两条读出头处理，分别得到重建向量与内部置信 度c； 进行门控融合得到缺失模态的替代表征； 所述不确定性感知的自适应融合模块，具体实现如下： 将输入的q模态特征输出到p模态空间并计算逐通道不确定性； 对通道不确定性逐通道归一化得到不确定图，维度与对齐； 将不确定性图作用于本模态特征并经融合器生成加权特征； 计算逐元素加权； 将两个模态的加权特征进行逐元素预融合求和； 通过通道门控计算融合模态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。