检索结果-南通市图书馆

电子测量与仪器学报 2022年第3期36卷 231-240页

作者：黄永庆周强陕西科技大学电气与控制工程学院西安710021 陕西科技大学陕西省人工智能联合实验室西安710021

针对当前情绪脑电信号(emotion electroencephalogram,em-eeg)识别研究中时间域信息的时间尺度难以把握和空间域信息易被忽视致使辨识率停滞不前,以及采集em-eeg时通道过多导致信息冗余和信息处理成本增加等问题,提出了基于CNN的时-空... 详细信息

针对当前情绪脑电信号(emotion electroencephalogram,em-eeg)识别研究中时间域信息的时间尺度难以把握和空间域信息易被忽视致使辨识率停滞不前,以及采集em-eeg时通道过多导致信息冗余和信息处理成本增加等问题,提出了基于CNN的时-空卷积优化融合网络进行em-eeg识别研究。该融合网络由提取em-eeg时域信息的长卷积(long convolution,L-Conv)CNN和提取em-eeg空域信息的CNN并联组成,在CNN模型时-空优化中使用粒子群算法(particle swarm optimization,PSO)对时域CNN中的L-Conv尺度进行了优化,并使用短时功率谱(short time power spectrum,STPS)的相关分析方法进行空域CNN模型通道数目优化,深层且有效地提取了eeg中的时间域和空间域特征。结果表明,提出的时-空卷积优化融合CNN在SEED IV数据集上对平和、悲伤、恐惧、高兴4种情绪最终准确率可以达到90.13%,相比传统单一CNN的识别准确率提高了4.76%,并且通道数目由62路降低至33路,缩减了46.77%,证实了本方法的可行性。

关键词： em-eeg 时-空卷积优化粒子群算法 STPS相关分析 SEED IV数据集

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：