基于RCNN-LSTM的脑电情感识别研究

摘要：

情感作为人脑的高级功能,对人们的个性特征和心理健康有很大的影响,利用网上公开的脑电情感数据库(DEAP(Database for emotion analysis using physiological signals)数据库),根据心理效价和激励唤醒度等级进行情感划分,对压力和平静等5种情感进行研究分析.针对脑电信号时空特征结合的特点,把深度学习中的卷积神经网络(Convo-lutional neural network,CNN)和长短期记忆网络(Long short term memory,LSTM)两者作为基本前提,并在此基础之上设计了一个RCNN-LSTM 的脑电情感信号分类模型.利用循环卷积神经网络(Recurrent convolutional neural net-work,RCNN)自动提取脑电信号中的抽象特征,省去了人工选择与降维的过程,然后结合LSTM网络对脑电情感信号进行分类识别.实验结果表明,利用该方法对5种情感类别的平均分类识别率达到了 96.63％,证明了该方法的有效性.

关键词：脑电信号、情感识别、循环卷积神经网络、长短期记忆神经网络

所属期刊栏目：48

分类号：TP391.4;TN912.34;TP18

资助基金：国家自然科学基金5177090001

在线出版日期：2022-04-24（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：917-925