| 基于多尺度卷积核CNN的脑电情绪识别 |
| |
| 引用本文： | 戴紫玉. 基于多尺度卷积核CNN的脑电情绪识别[J]. 传感技术学报, 2021, 34(4): 496-503. DOI: 10.3969/j.issn.1004-1699.2021.04.011 |
| |
| 作者姓名： | 戴紫玉 |
| |
| 作者单位： | 杭州电子科技大学智能控制与机器人研究所,浙江 杭州310018;杭州电子科技大学智能控制与机器人研究所,浙江 杭州310018;浙江省脑机协同智能重点实验室,浙江 杭州310018;杭州电子科技大学计算机学院,浙江 杭州310018;浙江省脑机协同智能重点实验室,浙江 杭州310018 |
| |
| 基金项目： | 国家自然科学基金(62071161, 61971168, 61871427)、浙江省重点研发计划项目（2020C04009）、浙江省教育厅科研项目（Y202044267） |
| |
| 摘 要： | 针对传统的人工特征选取需要耗费大量时间和精力的问题,本文在传统卷积神经网络(convolutional neural networks,CNN)模型的基础上,提出了一种基于多尺度卷积核CNN的特征提取与分类方法,并在脑电情绪识别分类上进行了验证.本文首先进行了通道选择方面的研究,其次使用多尺度卷积核CNN模型对提取了微分熵(differential entropy feature,DE)特征的脑电数据进行情绪三分类实验,相比于传统的CNN模型,多尺度卷积核CNN模型在卷积层中采用多个尺度的卷积核,同时从高维度与低维度对脑电信号进行二次特征提取.实验结果表明,预处理数据在33通道的情绪分类平均准确率为89.72％,几乎接近全通道的平均准确率;多尺度卷积核CNN在微分熵特征上的情绪三分类取得了98.19％的平均分类准确率,实验结果证明了该模型的有效性和鲁棒性.
|
| 关 键 词： | 脑电信号(EEG) 情绪识别 多尺度卷积核卷积神经网络 微分熵(DE) |
A Multi-Scale Convolutional Kernel CNN for EEG Emotion Recognition |
| |
| DAI Ziyu,MA Yuliang,GAO Yunyuan,SHE Qingshan,MENG Ming,ZHANG Jianhai. A Multi-Scale Convolutional Kernel CNN for EEG Emotion Recognition[J]. Journal of Transduction Technology, 2021, 34(4): 496-503. DOI: 10.3969/j.issn.1004-1699.2021.04.011 |
| |
| Authors: | DAI Ziyu MA Yuliang GAO Yunyuan SHE Qingshan MENG Ming ZHANG Jianhai |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
