基于深度卷积神经网络的脑电信号情感识别

• 作者: 张鹏伟 王丽艳 贾小云 陈景霞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 脑电信号 卷积神经网络 深度学习 情感识别 组合特征
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 103-110
• 页数: 8页
• 分类号: TP39
• 字数: 7757字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0400

摘要

为了点对点自动学习脑电信号(Electroencephalogram,EEG)空间与时间维度上的情感相关特征,提高脑电信号情感识别的准确率,基于DEAP数据集中EEG信号的时域、频域特征及其组合特征,提出一种基于卷积神经网络(Convolution Neural Network,CNN)模型的EEG情感特征学习与分类算法.采用包括集成决策树、支持向量机、线性判别分析和贝叶斯线性判别分析算法在内的浅层机器学习模型与CNN深度学习模型对DEAP数据集进行效价和唤醒度两个维度上的情感分类实验.实验结果表明,在效价和唤醒度两个维度上,深度CNN模型在时域和频域组合特征上均取得了目前最好的两类识别性能,在效价维度上比最佳的传统分类器集成决策树模型提高了3.58%,在唤醒度上比集成决策树模型的最好性能提高了3.29%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾小云	陕西科技大学电气与信息工程学院	43	134	6.0	10.0
2	张鹏伟	陕西科技大学电气与信息工程学院	26	179	7.0	12.0
3	陈景霞	陕西科技大学电气与信息工程学院	28	195	7.0	13.0
7	王丽艳	陕西科技大学电气与信息工程学院	2	2	1.0	1.0