基于改进的卷积神经网络脑电信号情感识别

• 作者: 卫作臣 张见 汪春梅 田莉莉 邹俊忠
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 脑电信号(EEG) 特征提取 卷积神经网络(CNN) 随机森林 损失函数
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 99-105
• 页数: 7页
• 分类号: TP391
• 字数: 5796字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1807-0219

摘要

针对传统机器学习需要人工构建特征及特征质量较低等问题,提出一种新颖的基于一维卷积神经网络(Convolutional Neural Network,CNN)的特征提取方法.采用编码思想,由卷积层和下采样层构成编码器网络提取脑电信号情感特征,随后与特征图一起输入Leaky ReLU激活函数.对于卷积预训练过程,使用交叉熵和正则化项双目标优化损失函数,之后采用随机森林分类器以获得情感分类标签.在国际公开数据集SEED上进行实验,达到94.7%的情感分类准确率,实验结果表明了该方法的有效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹俊忠	华东理工大学信息科学与工程学院自动化系	43	273	9.0	15.0
2	张见	华东理工大学信息科学与工程学院自动化系	18	133	5.0	11.0
3	汪春梅	上海师范大学信息与机电工程学院自动化系	23	126	7.0	10.0
4	田莉莉	华东理工大学信息科学与工程学院自动化系	1	2	1.0	1.0
5	卫作臣	华东理工大学信息科学与工程学院自动化系	8	60	3.0	7.0