三维输入卷积神经网络脑电信号情感识别

• 作者: 蔡冬丽 钟清华 朱永升 廖金湘 韩劢之
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 脑电信号 情感识别 近似熵 排列熵 奇异值分解熵 卷积神经网络 组合特征
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 161-167
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1912-0126

摘要

为了保留电极之间的空间信息以及充分提取脑电信号(Electroencephalogram,EEG)特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法.采用单熵(近似熵(Approximate Entropy,ApEn)、排列熵(Permutation Entropy,PeEn)和奇异值分解熵(Singular value decomposition Entropy,SvdEn))以及其组合熵特征,分别在DEAP数据集进行效价和唤醒度两个维度上的情感识别实验.实验结果表明,采用组合熵特征比单熵特征在情感识别实验中准确率有显著提高.最高组合熵特征平均准确率在效价和唤醒度上分别为94.14％和94.44％,比最高单熵特征平均准确率分别提高了5.05个百分点和4.49个百分点.