科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前的脑电(EEG)情感识别模型忽略了不同时段情感状态的差异性，未能强化关键的情感信息。针对上述问题，提出了一种多上下文向量优化的卷积递归神经网络(CR-MCV)。首先构造脑电信号的特征矩阵序列，通过卷积神经网络学习多通道脑电的空间特征；然后利用基于多头注意力的递归神经网络生成多上下文向量进行高层抽象特征提取；最后利用全连接层进行情感分类。在DEAP数据集上进行实验，在唤醒和效价维度上分类准确率分别为88.09%和89.30%。实验结果表明，多上下文向量优化的卷积递归神经网络在利用电极空间位置信息和不同时段情感状态显著性特征基础上，能够自适应地分配特征的注意力并强化情感状态显著性信息。
- 单位
