基于三维特征图和改进DenseNet的脑电情绪识别方法

摘要：

情感作为人脑的高级功能,对人的心理健康状态有很大的影响.为了充分考虑脑电信号的空间信息以及时频信息,更好地实现人机交互,论文提出了 1 种基于三维特征图的改进 DenseNet情绪识别模型.通过提取脑电信号 θ、α、β和 γ 4 个频段的微分熵特征,结合脑电通道电极的位置映射关系,构造三维特征图,最后使用改进DenseNet网络进行二次特征提取与分类.为了验证该方法的有效性,在 SEED 数据集上进行了包含积极、中性、消极 3 种情绪的分类实验,单被试者实验和所有被试者实验获得的分类准确率分别达 98.51％和 98.68％.实验结果表明,三维特征图结合特征重用方法能够得到高精度的分类结果,为情绪识别提供了可以尝试的新方向.

关键词：脑电信号、电极映射、三维特征图、特征重用、多尺度卷积核

所属期刊栏目：41

分类号：R318;TN911.7(医用一般科学)

资助基金：国家自然科学基金;江西省教育厅科学技术研究项目

在线出版日期：2023-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：381-389