基于SDAE和RELM的EEG情感识别方法

作者：连卫芳; 晁浩; 刘永利

来源：计算机工程, 2020, 1-10.

DOI：10.19678/j.issn.1000-3428.0059056

• 情感识别
• 脑电信号
• 情感特征
• 堆叠式降噪自动编码器
• 正则化极限学习机 emotion recognition
• Electroencephalogram(EEG)
• emotional features
• Stacked Denoising Autoencoder(SDAE)
• Regularized Extreme Learning Machine(RELM)

针对情感识别中堆叠式自编码器(SAE) 存在反向传播方法收敛速度慢和容易陷入局部最优的问题，提出了一种基于堆叠式降噪自动编码器(SDAE)和正则化极限学习机(RELM)相结合的情感状态识别方法。首先从脑电信号的时域、频域和时频域中提取了表征情感状态的初始特征；然后使用SDAE进行无监督特征学习，提取初始特征的高层抽象表示；最后在网络的回归层，使用嵌入的RELM进行情感分类。在DEAP数据集上的实验结果表明，与SDAE和传统的基于机器学习的方法相比，所提方法在实时性，准确性和泛化性能方面都取得了较好的结果，可有效弥补SDAE的缺陷。

• 单位
  河南理工大学