机构名称：
¥ 1.0
摘要：基于脑电图（EEG）的情绪识别正在对脑部计算机界面（BCI）和医疗保健的研究中受到显着关注。要准确地从脑电图数据中识别跨主体情绪，必须为与脑电图数据收集过程相关的主题可变性提供有效表示的技术。在本文中，提出了一种使用时间序列分析和空间相关性预测跨受试者情绪的新方法。为代表大脑区域之间的空间连通性，提出了依靠通道的特征，该特征可以有效地处理所有通道之间的相关性。通过对称矩阵定义了通道的特征，其元素是由Pearson相关系数计算得出的，这些元素在两倍通道之间能够互补处理主题特异性变异性。然后，渠道特征将被馈送到两层堆叠的长短期内存（LSTM），该记忆可以提取时间特征并学习情感模型。对两个公开数据集进行了广泛的实验，即使用生理信号（DEAP）的情绪分析数据集和SJTU（Shanghai jiao Tong University）情绪EEG数据集（SEED），证明了渠道功能和LSTM联合使用的效果。实验结果在DEAP的两级价值分类和唤醒的两级分类期间，最新的分类率分别为98.93％和99.10％，在种子中三级分类期间的精度为99.63％。
使用频道特征的可解释的基于EEG的跨主体EEG识别“ 2279
主要关键词
相关文件推荐
