典型文献
基于时空自适应图卷积神经网络的脑电信号情绪识别
文献摘要：
随着人机交互在计算机辅助领域的快速发展,脑电信号已成为情绪识别的主要手段.与此同时,图网络因其对拓扑结构数据的优秀表征能力,逐渐受到研究者们的广泛关注.为进一步提升图网络对多通道脑电信号的表征性能,文中结合脑电信号的稀疏性、不频繁性等多种特性,提出了一种基于时空自适应图卷积神经网络的脑电情绪识别方法(Self-Adaptive Brain Graph Convolutional Network with Spatiotemporal Attention,SABGCN-ST).该方法通过引入时空注意力机制解决了情绪的稀疏性问题,并根据自适应学习的脑网络拓扑邻接矩阵,挖掘不同位置的电极通道之间的功能连接关系.最终模型基于图卷积操作进行图结构的特征学习,以实现对脑电信号的情绪预测.在DEAP和SEED两个脑电信号公开数据集上开展了大量实验,实验结果证明,SABGCN-ST相比基线模型在准确率上具有显著的优势,平均情绪识别准确率达到84.91％.
文献关键词：
脑电信号;情绪识别;图卷积神经网络;时空注意力机制;自适应邻接矩阵;深度学习
中图分类号：
作者姓名：
高越;傅湘玲;欧阳天雄;陈松龄;闫晨巍
作者机构：
北京邮电大学计算机学院(国家示范性软件学院) 北京 100876;北京邮电大学可信分布式与服务教育部重点实验室 北京 100876
文献出处：
引用格式：
[1]高越;傅湘玲;欧阳天雄;陈松龄;闫晨巍-.基于时空自适应图卷积神经网络的脑电信号情绪识别)[J].计算机科学,2022(04):30-36
A类：
SABGCN,自适应邻接矩阵
B类：
自适应图卷积,图卷积神经网络,人机交互,计算机辅助,图网络,拓扑结构,表征能力,多通道脑电信号,稀疏性,脑电情绪识别,Self,Adaptive,Brain,Graph,Convolutional,Network,Spatiotemporal,Attention,ST,时空注意力机制,自适应学习,脑网络,网络拓扑,不同位置,功能连接,终模型,卷积操作,图结构,特征学习,情绪预测,DEAP,SEED,公开数据集,比基,基线模型,识别准确率
AB值：
0.292052
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。
