典型文献
基于深度自编码和LSTM循环网络的脑电情感识别
文献摘要：
针对脑电信号情感识别中情感特征信息挖掘不充分、识别准确率低的问题,提出深度自编码方法提取脑电信号情感特征,并结合长短时记忆(LSTM)循环神经网络实现维度情感分类.首先,基于DEAP维度情感生理数据集,分别在唤醒度和效价维度选取情感标签阈值,划分不同情感状态;然后,通过时间窗对脑电信号分段,设计栈式自编码网络挖掘脑电数据蕴含的情感信息,并依照时间顺序生成情感特征序列;最后,建立LSTM循环神经网络进行模型训练、交叉验证和测试,并通过正确率、精确度、召回率和F1-Score评价情感分类效果.仿真实验结果表明:在效价维度上,脑电信号情感识别平均正确率达到77.4％,F1-Score为80.4％;在唤醒度上,平均识别正确率达到73.7％,F1-Score为77.5％.该方法使维度情感模型获得了较好的情绪识别结果,可以为情感计算和人机情感交互提供借鉴.
文献关键词：
情感识别;脑电信号;自编码;长短时记忆网络;深度学习
中图分类号：
作者姓名：
刘鹏;乔晓艳
作者机构：
山西大学 物理电子工程学院,山西 太原 030006
文献出处：
引用格式：
[1]刘鹏;乔晓艳-.基于深度自编码和LSTM循环网络的脑电情感识别)[J].测试技术学报,2022(02):129-134
A类：
B类：
深度自编码,循环网络,情感识别,脑电信号,中情,情感特征,特征信息,信息挖掘,识别准确率,编码方法,循环神经网络,情感分类,DEAP,感生,生理数据,唤醒度,效价,情感状态,通过时间,时间窗,信号分段,栈式自编码网络,网络挖掘,脑电数据,情感信息,特征序列,模型训练,交叉验证,召回率,Score,分类效果,情感模型,情绪识别,情感计算,情感交互,长短时记忆网络
AB值：
0.358163
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。
