典型文献
基于卷积联合适应网络的脑电信号情感识别
文献摘要：
提出一种基于深度卷积联合适应网络(Convolutional neural network-joint adaptation network,CNN-JAN)的脑电信号(Electroencephalogram,EEG)情感识别模型.该模型将迁移学习中联合适应的思想融合到深度卷积网络中,首先采用长方形卷积核提取数据的空间特征,捕捉脑电数据通道间的深层情感相关信息,再将提取的空间特征输入含有联合分布的多核最大均值差异算法(Multi-kernel joint maximum mean discrepancy,MK-JMMD)的适配层进行迁移学习,使用MK-JMMD度量算法解决源域和目标域分布不同的问题.所提方法在SEED数据集上使用微分熵特征和微分尾端性特征分别进行情感分类实验,其中使用微分熵特征被试内跨试验准确率达到84.01％,与对比实验和目前流行的迁移学习方法相比,准确率进一步提高,跨被试实验精度也取得较好的性能,验证了该模型用于EEG信号情感识别任务的有效性.
文献关键词：
脑电信号;卷积神经网络;迁移学习;情感识别;联合适应网络
中图分类号：
作者姓名：
陈景霞;胡修文;唐喆喆;刘洋;胡凯蕾
作者机构：
陕西科技大学电子信息与人工智能学院,西安 710021
文献出处：
引用格式：
[1]陈景霞;胡修文;唐喆喆;刘洋;胡凯蕾-.基于卷积联合适应网络的脑电信号情感识别)[J].数据采集与处理,2022(04):814-824
A类：
联合适应网络,JAN
B类：
脑电信号,情感识别,Convolutional,neural,network,joint,adaptation,Electroencephalogram,EEG,识别模型,中联,思想融合,合到,深度卷积网络,长方形,卷积核,提取数据,空间特征,脑电数据,数据通道,联合分布,多核最大均值差异,Multi,kernel,maximum,mean,discrepancy,MK,JMMD,层进,量算,源域,目标域,SEED,微分熵,熵特征,尾端,情感分类,迁移学习方法,跨被试
AB值：
0.410125
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。
