科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前，将深度学习用于脑电情感识别的研究已提出很多方法，但大多数方法并没有同时考虑脑电信号在时间、空间以及频率三个维度上的信息。基于此，提出一种结合频率-空间注意力机制的三维卷积神经网络(FSA-3D-CNN),同时考虑脑电信号在时间、空间和频率三个维度的信息，从而提高情感识别的准确性。首先，根据脑电信号的特性设计了一种新颖的四维特征结构，对时域分段后的脑电信号分别提取微分熵特征，并将其转换为四维矩阵用于训练深度模型。然后，针对四维特征矩阵结构改进现有的3D-CNN情感识别模型，同时利用脑电信号中的时间、空间和频率的信息。最后，设计一种频率-空间注意力机制自适应地分配脑电信号的频率和空间通道的权值，挖掘脑电信号中更能显著反映情感状态变化的空间和频率信息。FSA-3D-CNN模型在DEAP公共情感数据集的效价维和唤醒维二分类准确率分别达到了约95.87%和95.23%,在效价-唤醒维的四分类准确率达到约94.53%,比现有的卷积神经网络和LSTM情感识别模型均取得了显著的提升。
- 单位
