基于混合神经网络的脑电时空特征情感分类

陈景霞; 郝为; 张鹏伟; 闵重丹; 李玥辰

首页> 中文期刊> 《软件学报》 >基于混合神经网络的脑电时空特征情感分类

基于混合神经网络的脑电时空特征情感分类

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

提出一种脑电图(electroencephalograph,简称EEG)数据表示方法,将一维链式EEG向量序列转换成二维网状矩阵序列,使矩阵结构与EEG电极位置的脑区分布相对应,以此来更好地表示物理上多个相邻电极EEG信号之间的空间相关性.再应用滑动窗将二维矩阵序列分成一个个等长的时间片段,作为新的融合了EEG时空相关性的数据表示.还提出了级联卷积-循环神经网络(CASC_CNN_LSTM)与级联卷积-卷积神经网络(CASC_CNN_CNN)这两种混合深度学习模型,二者都通过CNN卷积神经网络从转换的二维网状EEG数据表示中捕获物理上相邻脑电信号之间的空间相关性,而前者通过LSTM循环神经网络学习EEG数据流在时序上的依赖关系,后者则通过CNN卷积神经网络挖掘局部时间与空间更深层的相关判别性特征,从而精确识别脑电信号中包含的情感类别.在大规模脑电数据集DEAP上进行被试内效价维度上两类情感分类实验,结果显示,所提出的CASC_CNN_LSTM和CASC_CNN_CNN网络在二维网状EEG时空特征上的平均分类准确率分别达到93.15％和92.37％,均高于基准模型和现有最新方法的性能,表明该模型有效提高了EEG情感识别的准确率和鲁棒性,可以有效地应用到基于EEG的情感分类与识别相关应用中.

著录项

来源
《软件学报》 |2021年第12期|3869-3883|共15页
作者
陈景霞; 郝为; 张鹏伟; 闵重丹; 李玥辰;
展开▼
作者单位

陕西科技大学电子信息与人工智能学院陕西西安 710021;

陕西科技大学电子信息与人工智能学院陕西西安 710021;

陕西科技大学电子信息与人工智能学院陕西西安 710021;

陕西科技大学电子信息与人工智能学院陕西西安 710021;

陕西科技大学电子信息与人工智能学院陕西西安 710021;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工智能理论;
关键词
脑电图; 情感识别; 二维网状; 时空特征; 卷积循环神经网络; 混合模型;

相似文献

中文文献
外文文献
专利

1. 基于混合神经网络的脑电情感识别 [J] . 蔡冬丽 ,钟清华 ,朱永升 . 华南师范大学学报（自然科学版） . 2021,第001期
2. 基于时域、频域脑电(EEG)特征情感分类研究 [J] . 张博 ,刘璐 ,杨立波 . 长春理工大学学报（自然科学版） . 2021,第005期
3. 基于稀疏表示的脑电(EEG)情感分类 [J] . 邓欣 ,高峰星 ,米建勋 . 计算机应用研究 . 2019,第003期
4. 基于数据空间自适应与共空间模式的脑电情感分类 [J] . 陈景霞 ,郑茹 ,张鹏伟 . 计算机工程 . 2019,第004期
5. 基于一维卷积混合神经网络的文本情感分类 [J] . 陈郑淏 ,冯翱 ,何嘉 . 计算机应用 . 2019,第007期
6. 基于神经网络和脑电的声音情绪反应识别 [C] . DI Guo-qing ,翟国庆 ,WU Si-xia . 第十三届全国噪声与振动控制工程学术会议 . 2013
7. 基于脑电和生理信号的多模态情感分类方法研究 [A] . 鞠思航 . 2019

基于混合神经网络的脑电时空特征情感分类

摘要

著录项

相似文献

相关主题

期刊订阅