机构名称：
¥ 1.0
摘要：使用脑电图的情绪识别已被广泛研究，以应对与情感计算相关的挑战。在EEG信号上使用手动特征提取方法会导致学习模型的最佳性能。通过深度学习的进步作为自动化功能工程的工具，在这项工作中，已经提出了手动和自动特征提取方法的混合体。不同大脑区域中的不对称性在2D载体中被捕获，称为ASMAP，从EEG信号的差分熵特征中捕获。这些ASMAP随后用于使用卷积神经网络模型自动提取特征。已将所提出的特征提取方法与差分熵和其他特征提取方法（例如相对不对称，差异不对称和差异尾巴）进行了比较。使用SJTU情绪EEG数据集和DEAP数据集进行了基于类数量的不同分类问题的DEAP数据集进行实验。获得的结果表明，提出的特征提取方法会导致更高的分类精度，从而优于其他特征提取方法。使用SJTU情感EEG数据集，在三级分类问题上达到了97.10％的最高分类精度。此外，这项工作还评估了窗口大小对分类精度的影响。
使用EEG
主要关键词
相关文件推荐
