基于深度自编码和LSTM循环网络的脑电情感识别

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.

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

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：山西省回国留学人员科研资助项目;山西省重点研发计划资助项目;太原市小店区产学研合作科技专项资助项目

在线出版日期：2022-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：129-134