基于EEGNet的脑电情绪分类应用研究 |
| |
引用本文: | 颜勇君,龙柏睿,张肖霞,童炼.基于EEGNet的脑电情绪分类应用研究[J].长沙大学学报,2023(5):26-35+47. |
| |
作者姓名: | 颜勇君 龙柏睿 张肖霞 童炼 |
| |
作者单位: | 1. 湖南工业大学计算机学院;2. 广东工业大学计算机学院;3. 长沙学院计算机科学与工程学院 |
| |
基金项目: | 湖南省社会科学基金教育学专项课题,编号:JJ194000; |
| |
摘 要: | 针对特定脑电信号数据集的情绪分类问题,研究紧凑型的卷积神经网络EEGNet在不同脑电数据集上的能力与效果,并通过在不同的脑电数据集上对EEGNet进行训练与调试,实现单模态脑电数据集的情绪分类。首先,介绍紧凑轻量型卷积神经网络EEGNet结构在时空数据集上的强大处理能力,提出在对EEG信号特征进行编码时的有效性假设。其次,介绍两种经典的脑电公开数据集SEED和SEED-IV,设计针对性的预处理方法、基于EEGNet的情绪分类实验并与其他经典分类方法进行了比较分析。最终,经过在SEED和SEED-IV数据集上的多轮测试,分别得到了85.3%和73.3%的分类准确率,验证了EEGNet在基于脑电信号的情绪分类任务中具有较好的健壮性与准确率。
|
关 键 词: | 脑电信号 情绪分类 卷积神经网络 EEGNet 单模态 |
|
|