EMAP情感预测挑战赛完整解决方案(Python实现)

【EMAP情感预测挑战赛完整解决方案】Python实现

项目简介

本项目是IEEE CEC 2026 EMAP Dataset Challenge的完整开源解决方案，使用256通道脑电图(EEG)频段功率特征预测情感状态(唤醒度arousal)和生理反应(心率heart rate、皮肤电GSR)，并包含二分类唤醒度分类任务。

核心特性

• 完整竞赛框架：1514行Python代码，涵盖数据处理、特征工程、特征选择、模型训练、预测和报告生成
• 验证集性能：在29个未见参与者上，唤醒度RMSE降低4.2%，心率RMSE降低0.8%，均超越朴素基线
• 可复现性：固定随机种子(SEED=42)，包含训练好的模型，可直接复现验证集结果
• 特征工程：256→349特征，包含区域功率、频段比率、额叶不对称、时序上下文和试次内标准化
• 特征选择：基于LightGBM的稳定性选择，每个目标保留64个最重要特征
• 鲁棒后处理：试次内时序平滑、收缩到均值安全网、共享刺激先验
• 训练好的模型：包含所有目标的训练模型，可直接推理
• 完整文档：英文+中文README，详细方法论和消融实验

验证集结果对比（29个未见参与者）

目标	指标	本方案	朴素基线	改进
唤醒度	RMSE	0.3091	0.3226	-4.2%
心率	RMSE	9.351	9.429	-0.8%
GSR	RMSE	1.02e-5	1.03e-5	-0.9%
唤醒度(二分类)	F1	0.626	—	bonus

所有目标均超越朴素基线，唤醒度改进幅度最大。

方法论核心

核心思想

跨被试预测的关键挑战是个体差异。朴素"预测均值"基线出乎意料地强，直接在原始EEG上训练会过拟合到训练被试。

三大支柱：

1. 设计跨被试迁移的特征(试次内标准化、时序上下文)
2. 利用共享刺激先验(所有人观看相同24个视频)
3. 收缩到均值安全网(保证不输给朴素基线)

特征工程 (256 → 349)

• 区域功率(20维)：按头皮区域聚合，对噪声鲁棒
• 频段比率(6维)：Beta/Alpha等经典唤醒指数
• 额叶不对称(2维)：左右半球Alpha/Beta不平衡
• 时序上下文：试次内9点滚动均值
• 试次内Z标准化：移除个体基线(关键！)
• 试次位置(t_norm)：片段内系统趋势

模型与后处理

模型：LightGBM(唤醒度) / Ridge(心率、GSR)

后处理管道：

1. 试次内时序平滑(窗口1-15)
2. 共享刺激先验(从训练集学习片段平均轨迹)
3. 收缩到均值(alpha混合，保证不输基线)

消融实验

阶段	唤醒度RMSE
朴素基线	0.3226
原始EEG+LightGBM	0.3249(更差)
+特征工程	0.3172
+收缩安全网	0.3137
+共享刺激先验(最终)	0.3091

代码结构

11个模块 (1514行)

文件	功能
prediction.py	推理入口，加载模型预测
src/config.py	全局配置(目标、特征池、路径)
src/data.py	数据加载、缓存、解析
src/feature_engineering.py	特征工程(区域、比率、时序、标准化)
src/feature_selection.py	稳定性选择
src/models.py	模型训练、平滑、收缩
src/stimulus_prior.py	共享刺激先验
src/train.py	训练主流程
src/evaluate.py	评估指标(RMSE、MAE、R2、F1)
src/profile_data.py	数据质量报告
src/make_slides.py	生成报告PPT

依赖库

numpy, pandas, scikit-learn, scipy
lightgbm, xgboost, matplotlib
pyarrow, joblib, python-pptx

快速开始

环境要求

Python 3.8+
pip install -r requirements.txt

获取数据集

注意：EMAP数据集不在本仓库分发，需从官方渠道获取。

使用训练好的模型

python prediction.py --test_dir <Features_P*.csv文件夹> --out outputs/predictions

从头训练

python src/train.py
python prediction.py --test_dir val/ --out outputs/predictions
python src/make_slides.py

技术亮点

1. 跨被试泛化

挑战：每个人的EEG基线不同

解决：试次内Z标准化(移除个体基线)、频段比率(相对比率更一致)、区域聚合(减少噪声)

2. 时序结构

观察：情感状态缓慢变化

解决：时序上下文特征(滚动均值)、预测平滑(试次内平均)、试次位置(片段内趋势)

3. 共享刺激先验

洞察：所有人观看相同24个视频

实现：学习每个片段的平均轨迹，与个体预测混合

结果：唤醒度RMSE 0.3137 → 0.3091

4. 收缩到均值安全网

问题：弱信号目标可能不如基线

解决：final = alpha * prediction + (1-alpha) * train_mean

alpha通过OOF RMSE优化，保证不输给"预测均值"。

应用场景

• 情感计算：基于脑电的情绪识别系统
• 人机交互：自适应UI根据用户情感调整
• 心理健康：抑郁症、焦虑症客观评估
• 神经科学：情感神经生理机制研究
• 驾驶安全：疲劳和压力监测

包含内容

• 11个Python源文件(1514行代码)
• 训练好的模型(arousal、heartrate、gsr)
• 选定特征CSV(每个目标64特征)
• 预测时序图(3个目标)
• 消融实验报告和PPT
• 英文README + 中文README_CN
• 完整SOLUTION.md方法论文档
• requirements.txt依赖配置
• MIT许可证

适用人群

• 情感计算研究者
• 神经科学研究者
• 机器学习工程师
• CEC竞赛参与者
• 心理学研究者
• HCI研究者

许可说明

代码采用MIT许可证，允许商业使用、修改和分发、私用。要求保留版权声明和许可证文本。EMAP数据集归其作者所有，需单独授权。

提示：本项目适合需要情感识别、生理信号分析、跨被试建模、时序预测的研究者和工程师。提供完整竞赛级框架、训练好的模型和详细方法论文档，可直接复现或二次开发。