基于多重有向加权图与卷积神经网络的脑电情感识别
脑电信号应用于情感识别的研究近年来受到广泛的关注,将时间序列映射为可见图表示,通过可见图边和节点的度量能够有效进行脑电情感识别.传统可见图算法忽略了多通道脑电信号间的相关性,难以保留时间序列上复杂的特征信息.因此提出一种多重有向加权可见图提取脑电信号特征的方法,并将脑电信号特征用于情感识别.首先将脑电信号转换成有向加权网络图,强化信号的特征表示,使用加权聚类系数表征复杂网络结构,以多重复杂网络建立脑电连接矩阵,最后采用卷积神经网络进行特征学习,通过学习后获得情感识别结果.多重有向加权可见图构建的复杂网络模型在公开数据集验证的准确率达到了 93.85％,优于现有的简单可见图方法;多重加权可见图与单变量可见图相比,情感识别准确率提高了 9.4％.实验结果表明,该方法在跨被试者数据上同样适用,具有很好的鲁棒性.
情感识别、脑电信号、多重可见图、卷积神经网络、聚类系数
50
TP391(计算技术、计算机技术)
2023-09-06（万方平台首次上网日期，不代表论文的发表时间）
共8页
163-170
