基于时空自适应图卷积神经网络的脑电信号情绪识别

• 作者: 高越 傅湘玲 欧阳天雄 陈松龄 闫晨巍
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 脑电信号 情绪识别 图卷积神经网络 时空注意力机制 自适应邻接矩阵 深度学习
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 基于社会计算的多学科交叉融合专题|Special Issue of Social Computing Based Interdisciplinary Integration
• 页码范围: 30-36
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11896/jsjkx.210900200

摘要

随着人机交互在计算机辅助领域的快速发展,脑电信号已成为情绪识别的主要手段.与此同时,图网络因其对拓扑结构数据的优秀表征能力,逐渐受到研究者们的广泛关注.为进一步提升图网络对多通道脑电信号的表征性能,文中结合脑电信号的稀疏性、不频繁性等多种特性,提出了一种基于时空自适应图卷积神经网络的脑电情绪识别方法(Self-Adaptive Brain Graph Convolutional Network with Spatiotemporal Attention,SABGCN-ST).该方法通过引入时空注意力机制解决了情绪的稀疏性问题,并根据自适应学习的脑网络拓扑邻接矩阵,挖掘不同位置的电极通道之间的功能连接关系.最终模型基于图卷积操作进行图结构的特征学习,以实现对脑电信号的情绪预测.在DEAP和SEED两个脑电信号公开数据集上开展了大量实验,实验结果证明,SABGCN-ST相比基线模型在准确率上具有显著的优势,平均情绪识别准确率达到84.91％.