换一批摘要利用脑电图(EEG)信号对人类的情感进行识别一直是一个重要且具有挑战性的研究领域.传统的方法都是对一维EEG信号进行分析,然后提取特征进行识别;但这种方法需要提取许多时域或频域上的特征才能取得较好的识别效果.考虑到二维图像蕴含的信息要远远比一维信号蕴含的信息丰富,因此将一维信号转换成二维图像可以提取更加有效的特征进行识别.为此,该文提出了一种基于改进的Gramian Angular Field(GAF)算法的EEG情感识别方法.首先,从EEG信号中提取alpha、beta、gama三个频段的子带信号;然后,提出了一种基于马氏距离加权的改进GAF算法将一维EEG信号转换成二维特征图像;接着,从二维图像中提取奇异值熵、图能量等特征;最后,利用卷积神经网络(CNN)对提取的EEG特征进行分类识别.基于广泛使用的DEAP数据集,针对四分类(HAHV、LAHV、LALV和HALV)情感识别任务,对该模型进行了验证.实验结果表明:所提算法的平均分类准确率达到92.63%,与现有的识别方法对比具有一定的优势.
更多相关知识
关键词
脑电图情感识别格拉姆角场马氏距离卷积神经网络electroencephalography(EEG)emotion recognitionGramian angular field(GAF)Mahalanobis distanceconvolutional neural network(CNN)
栏目名称
DOI
10.20165/j.cnki.ISSN1673-629X.2024.0048
发布时间
2024-05-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
教育部重点实验室开放基金（USAP2001）
- 浏览5
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
