基于卷积神经网络的脑电情绪识别方法

目前多数情绪识别方法是在Lang二维情绪模型的基础上,在效价和唤醒度两个层面分别进行情绪二分类.针对前人的方法在最终的分类结果无法与实际情绪进行细粒度匹配的问题,提出了一种基于卷积神经网络的脑电情绪四分类的识别方法.上述方法基于DEAP数据集将脑电信号与图像信号进行类比,将脑电信号数据结合脑电极空间特征进行数据结构上的重构;设计特殊的轻量化卷积神经网络情绪识别模型.实验结果表明,所提方法针对DEAP数据集,能够在Lang情绪模型上进行效价与唤醒度结合的情绪四分类,达到了 96.20％的准确度,初步解决了分类结果与实际情绪的细粒度匹配的问题.