典型文献
结合3D-CNN和频-空注意力机制的EEG情感识别
文献摘要：
目前,将深度学习用于脑电情感识别的研究已提出很多方法,但大多数方法并没有同时考虑脑电信号在时间、空间以及频率三个维度上的信息.基于此,提出一种结合频率-空间注意力机制的三维卷积神经网络(FSA-3D-CNN),同时考虑脑电信号在时间、空间和频率三个维度的信息,从而提高情感识别的准确性.首先,根据脑电信号的特性设计了一种新颖的四维特征结构,对时域分段后的脑电信号分别提取微分熵特征,并将其转换为四维矩阵用于训练深度模型.然后,针对四维特征矩阵结构改进现有的3D-CNN情感识别模型,同时利用脑电信号中的时间、空间和频率的信息.最后,设计一种频率-空间注意力机制 自适应地分配脑电信号的频率和空间通道的权值,挖掘脑电信号中更能显著反映情感状态变化的空间和频率信息.FSA-3D-CNN模型在DEAP公共情感数据集的效价维和唤醒维二分类准确率分别达到了约95.87％和95.23％,在效价-唤醒维的四分类准确率达到约94.53％,比现有的卷积神经网络和LSTM情感识别模型均取得了显著的提升.
文献关键词：
脑电信号;情感识别;微分熵;深度学习;注意力机制
中图分类号：
作者姓名：
张静;张雪英;陈桂军;闫超
作者机构：
太原理工大学信息与计算机学院,山西太原030024
文献出处：
引用格式：
[1]张静;张雪英;陈桂军;闫超-.结合3D-CNN和频-空注意力机制的EEG情感识别)[J].西安电子科技大学学报（自然科学版）,2022(03):191-198,205
A类：
B类：
EEG,情感识别,习用,多方法,脑电信号,空间注意力机制,三维卷积神经网络,FSA,高情感,四维,维特,特征结构,微分熵,熵特征,深度模型,特征矩阵,矩阵结构,结构改进,识别模型,用脑,权值,情感状态,状态变化,DEAP,共情感,效价,二分类,分类准确率,四分类
AB值：
0.292119
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
