基于卷积神经网络的脑电情绪识别方法

作     者：廉小亲 罗志宏 蔡沫豪 高超 LIAN Xiao-qin;LUO Zhi-hong;CAI Mo-hao;GAO Chao

作者机构：北京工商大学人工智能学院北京100048 北京工商大学中国轻工业工业互联网与大数据重点实验室北京100048 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2022年第39卷第8期

页      面：268-274页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：北京市教育委员会科技计划一般项目(KM201910011011) 2022年北京工商大学研究生科研能力提升计划项目(19008022056) 

主　　题：情绪识别 脑电信号 卷积神经网络 图像信号 

摘      要：目前多数情绪识别方法是在Lang二维情绪模型的基础上,在效价和唤醒度两个层面分别进行情绪二分类。针对前人的方法在最终的分类结果无法与实际情绪进行细粒度匹配的问题,提出了一种基于卷积神经网络的脑电情绪四分类的识别方法。上述方法基于DEAP数据集将脑电信号与图像信号进行类比,将脑电信号数据结合脑电极空间特征进行数据结构上的重构;设计特殊的轻量化卷积神经网络情绪识别模型。实验结果表明,所提方法针对DEAP数据集,能够在Lang情绪模型上进行效价与唤醒度结合的情绪四分类,达到了96.20%的准确度,初步解决了分类结果与实际情绪的细粒度匹配的问题。