|
|||||
|
|
| 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 |
