典型文献
基于CNN和Bi-LSTM的脑电波情感分析
文献摘要：
针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型.首先将一维数据转换为二维数据,采用CNN提取空间特征;然后将一维数据输入Bi-LSTM,获取时间特征;最后将融合的空间和时间特征输入Softmax分类器,得到最终分类结果.在DEAP数据集上的实验结果表明:CNN和Bi-LSTM混合模型具有较好的分类性能,在效价度和唤醒度上的准确率分别达到88.55％和89.07％,是一种可行的脑电波情感分类模型.
文献关键词：
脑电信号;情感分类;卷积神经网络;双向长短时记忆网络;深度学习
中图分类号：
作者姓名：
朱丽;杨青;吴涛;李晨;李铭
作者机构：
华中师范大学人工智能与智慧学习湖北省重点实验室,湖北武汉430079;华中师范大学计算机学院,湖北武汉430079;华中师范大学国家语言资源监测与研究网络媒体中心,湖北武汉430079
文献出处：
引用格式：
[1]朱丽;杨青;吴涛;李晨;李铭-.基于CNN和Bi-LSTM的脑电波情感分析)[J].应用科学学报,2022(01):1-12
A类：
B类：
Bi,脑电波,情感分析,情感识别,手动特征,convolutional,neural,network,bidirectional,long,short,term,memory,混合模型,数据转换,空间特征,时间特征,空间和时,Softmax,分类器,DEAP,分类性能,效价,唤醒度,情感分类,分类模型,脑电信号,双向长短时记忆网络
AB值：
0.367441
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。
