基于EEG和DE-CNN-GRU的情绪识别

作者：赵丹丹; 赵倩^*; 董宜先; 谭浩然

来源：计算机系统应用, 2023, 32(04): 206-213.

DOI：10.15888/j.cnki.csa.009041

• 脑电信号
• 情绪识别
• 微分熵(DE)
• 卷积神经网络-门控循环单元(CNN-GRU)

近年,情绪识别研究已经不再局限于面部和语音识别,基于脑电等生理信号的情绪识别日趋火热.但由于特征信息提取不完整或者分类模型不适应等问题,使得情绪识别分类效果不佳.基于此,本文提出一种微分熵(DE)、卷积神经网络(CNN)和门控循环单元(GRU)结合的混合模型(DE-CNN-GRU)进行基于脑电的情绪识别研究.将预处理后的脑电信号分成5个频带,分别提取它们的DE特征作为初步特征,输入到CNN-GRU模型中进行深度特征提取,并结合Softmax进行分类.在SEED数据集上进行验证,该混合模型得到的平均准确率比单独使用CNN或GRU算法的平均准确率分别高出5.57%与13.82%.

• 单位
  曲阜师范大学