首页期刊导航|数据采集与处理
期刊信息/Journal information
数据采集与处理
中国电子学会 中国仪器仪表学会信号处理学会 中国仪器仪表学会中国物理学会微弱信号检测学会 南京航空航天大学
数据采集与处理

中国电子学会 中国仪器仪表学会信号处理学会 中国仪器仪表学会中国物理学会微弱信号检测学会 南京航空航天大学

贲德

双月刊

1004-9037

sjcj@nuaa.edu.cn

025-84892742

210016

南京市御道街29号1016信箱

数据采集与处理/Journal Journal of Data Acquisition & ProcessingCSCD北大核心CSTPCD
查看更多>>本刊是中国科协主管,由中国电子学会、中国仪器仪表学会所属信号处理学会,中国仪器仪表学会、中国物理学会所属微弱信号检测学会和南京航空航天大学联合主办,南京航空航天大学出版,向国内外公开发行的技术刊物。主要反映信号处理、测试工程和计算机应用的科技成果,为中文核心期刊,中国科技论文统计周期刊,中国科学引文数据库(CSCD)中文核心期刊统计源,并被美国Ei Page One数据库、俄罗斯《文摘杂志》、《中国电子科技文摘》、《中国无线电电子学文摘》、《计算机网用文摘》、《中国导弹与航天文摘》等多种国内外著名检索刊物列为统计源。并是“中国国防科技中文期刊文献数据库”和“中国学术期刊(光盘版)”的成员。
正式出版
收录年代

    基于多域信息融合的卷积Transformer脑电情感识别模型

    张学军王天晨王泽田
    1543-1552页
    查看更多>>摘要:当前脑电信号的情感识别方法很少融合空间、时间和频率信息,并且大多数识别方法只能提取局部的脑电特征,在全局信息关联方面存在着局限性.本文提出了一种基于多域信息融合的三维特征卷积神经网络Transformer 机制(3D-CNN-Transformer mechanism,3D-CTM)模型的脑电情感识别方法.该方法首先根据脑电信号的特性设计了一种三维特征结构,同时融合脑电信号的空间、时间以及频率信息;然后采用卷积神经网络模块学习多域信息融合的深层特征,再连接Transformer自注意力模块,提取特征信息内的全局关联性;最后利用全局平均池化整合特征信息进行分类.实验结果表明,3D-CTM模型在SEED数据集上的三分类平均准确率达到96.36%,在SEED-Ⅳ数据集上的四分类平均准确率达到87.44%,有效地提高了情感识别精度.

    脑电信号情感识别卷积神经网络Transformer自注意力

    2024年《数据采集与处理》(第39卷1~6期)总目次

    后插1-后插10页

    《数据采集与处理》征稿简则

    封3页

    2024年《数据采集与处理》(第39卷1~6期)作者索引

    《数据采集与处理》编辑部
    后插11-后插14页