换一批基于分层式残差聚合与双分支维度分裂注意力机制的情绪识别
Emotion recognition based on hierarchical residual aggregation and dual-branch dimension-split attention mechanism
摘要针对脑电图(EEG)动态复杂性和解码难度限制情绪识别的精度和鲁棒性的问题,提出一种新的情绪分类模型MADBNet.首先,多尺度分组卷积用于捕捉不同层次的情绪特征;随后,通过分层残差聚合多尺度特征,并穿插轴向通道空间注意力捕获通道相关性和空间依赖性;最后,通过双分支维度分裂特征处理的注意力机制增强局部与全局关联,实现EEG时空频特征的融合.在DEAP数据集上的实验结果表明,该模型在精度和稳定性显示出优越的性能.
更多相关知识
关键词
情绪识别人机交互分层残差聚合轴向通道空间注意力双分支维度分裂emotion recognitionhuman-computer interactionhierarchical residual aggregationaxial channel-spatial attentiondual-branch dimension-split
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.02.011
发布时间
2026-02-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62376149）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
