基于时空自适应图卷积神经网络的脑电信号情绪识别
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%.
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
49
TP183(自动化基础理论)
北京市自然科学基金;北京市自然科学基金;国家自然科学基金
2022-04-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36