基于连续卷积神经网络的3D脑电图情绪识别 |
| |
引用本文: | 李文书,王浩.基于连续卷积神经网络的3D脑电图情绪识别[J].计算机时代,2023(9):96-100+105. |
| |
作者姓名: | 李文书 王浩 |
| |
作者单位: | 浙江理工大学计算机学院智能识别与系统实验室 |
| |
基金项目: | 国家自然科学基金(31771224,61603228);;国家科技部重点研发计划重点专项课题(2018YFB1004901);;浙江省自然科学基金(LY17C090011,LGF19FO20009); |
| |
摘 要: | 作为人类大脑神经活动的重要指标,脑电(EEG)信号能更深层次地反映人的情绪状况,但当前大多数深度学习模型通过EEG识别情绪不够精确。本文提出基于连续卷积神经网络的3D脑电图情绪识别模型,采用提取DE和PSD特征时得到的等价矩阵所构造的三维脑电图立方体作为输入,舍弃卷积神经网络中的池化层。在DEAP数据集上进行实验,Arousal准确率为95.77%,Valence准确率为93.52%,表明该方法非常适用于情绪识别,能给后续相关研究提供参考。
|
关 键 词: | 脑电情绪识别 连续卷积神经网络 深度学习 DEAP数据集 3D脑电图 |
|
|