科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前情绪脑电信号(EM-EEG)辨识方法分辨率低的问题。在分析EM-EEG特征分布规律和单一卷积神经网络(CNN)特性的基础上,与门控循环单元(GRU)相结合,提出了CNN-GRU融合网络用于EM-EEG辨别研究。构建的CNN-GRU网络融合了CNN提取的EM-EEG频域、空域特征与GRU提取的EM-EEG时域特征,在构造的EM-EEG时-频-空域特征空间上进行情绪状态辨识;另外利用自己搭建的数据采集平台,设计情绪诱导实验生成新的情绪状态数据集。经过实验探究,结果表明:所提网络模型分别在SEED IV数据集、自采数据集上训练获得的辨识率为89.2%和83.76%,均能有效的对四种不同情绪进行判别,验证了该网络良好的泛化能力;而使用SEED IV数据集训练得到的模型在自采情绪数据集上的预测实验则验证了该网络拥有较强的鲁棒性。
- 单位
