首页|基于集成深度学习方法的跨被试EEG特征情感识别

基于集成深度学习方法的跨被试EEG特征情感识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
该研究使用脑电(EEG)信号经过处理得到的数据集DEAP和HCI,利用微分熵作为特征提取的工具,基于传统机器学习算法,集成学习中的梯度提升树、Xgboost、Adaboost、随机森林算法,以及深度神经网络、卷积神经网络与GoogLeNet实现跨被试的EEG特征情感识别任务,并比较各方法应用于EEG情感分析时的结果差异.比较平均准确率,结果表明深度学习方法取得了不错的成绩,三个深度模型对两个数据集的valence平均准确率达到0.5956和0.6307之间,arousal达到0.6062和0.6774之间,显著优于机器学习算法与集成学习模型取得的结果.
Inter-Subject Emotion Recognition with EEG Features Based on Ensemble and Deep Learning Models

唐杰豪、张维、尹钟

展开 >

上海理工大学光电信息与计算机工程学院 上海 200093

情感识别 微分熵 深度学习 脑电信号

国家自然科学基金青年基金上海青年科技英才扬帆计划

6170327717YF1427000

2022

10.3969/j.issn.1672-9722.2022.05.030

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(5)
  • 17