基于混合神经网络的脑电情感识别

• 作者: 蔡冬丽 钟清华 朱永升 张涵
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 脑电 情感识别 3D-CNN BLSTM 混合神经网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 109-118
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6054/j.jscnun.2021017

摘要

为保留脑电(Electroencephalogram,EEG)空间信息的同时充分挖掘EEG时序相关信息,提出了一种三维卷积神经网络(3-Dimensional Convolutional Neural Networks,3D-CNN)结合双向长短期记忆神经网络(Bidirectional Long Short-term Memory Neural Networks,BLSTM)的混合神经网络(3DCNN-BLSTM);为验证该模型的分类性能,在DEAP数据集和SEED数据集上进行情感识别实验.实验结果表明3DCNN-BLSTM模型能有效学习EEG多通道间的相关性与时间维度信息且提高了情感分类性能:在DEAP数据集的二分类实验中,唤醒度和效价的情感识别平均准确率分别为93.56％和93.21％;在DEAP数据集的四分类实验中,情感识别平均准确率为90.97％;在SEED数据集的三分类实验中,情感识别平均准确率为98.90％.