基于图卷积神经网络的脑力负荷识别 |
| |
引用本文: | 张效艇,陈兰岚,陈长德.基于图卷积神经网络的脑力负荷识别[J].华东理工大学学报(自然科学版),2023(6):882-889. |
| |
作者姓名: | 张效艇 陈兰岚 陈长德 |
| |
作者单位: | 华东理工大学能源化工过程智能制造教育部重点实验室 |
| |
基金项目: | 国家自然科学基金(61976091,62376095);;中央高校基本科研业务费专项资金; |
| |
摘 要: | 针对生理信号特征提取过程依赖于先验知识,且传统深度学习算法不考虑通道间耦合关系的问题,构建了基于图卷积神经网络的脑力负荷识别模型。数据集包含多通道连续采集的近红外光谱,分别计算基于互信息、锁相值和皮尔森相关系数的连通性矩阵来反映通道间的内在联系,并将近红外光谱和连通性矩阵组成图结构输入到图卷积神经网络。实验结果表明,该模型具有良好的抽象特征提取能力,在输入中融合通道间相关性系数有助于提升脑力负荷的识别精度,且连通性矩阵的可视化结果表明大脑额叶区对脑力负荷变化较敏感。
|
关 键 词: | 脑力负荷识别 近红外光谱 图卷积神经网络 互信息 连通性矩阵 |
|
|