内容提供者
一种基于共有与特有脑电特征挖掘的情感识别方法.pdf
2023-05-25
10金币
881KB
11页
努力****元恺
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共11页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于共有与特有脑电特征挖掘的情感识别方法.pdf
本发明公开了一种基于共有与特有脑电特征挖掘的情感识别方法,包括如下步骤:步骤1:脑电情感数据的采集,步骤2:对脑电情感数据进行预处理,步骤3:建立基于共有与特有脑电特征情感识别模型的目标函数,步骤4:根据目标函数得出需要迭代优化的表达式;步骤5:将步骤2中预处理好的脑电数据输入目标函数中,根据步骤4得出的更新表达式,不断迭代优化,得到被试者的情感状态标签。另外,本发明能针对性地利用某一类情感状态对应的特有特征以及所有情感状态的共有特征,让模型除了有更好地识别情感状态的性能之外,还可以发现情感状态和特定特征
2023-05-25
10
881KB
一种基于聚类的多任务情感脑电特征提取与识别方法.pdf
本发明提供一种基于聚类的多任务情感脑电特征提取与识别方法。本发明步骤如下:1、多个被试者分别在诱发情感状态场景下进行脑电数据采集。2、对步骤1所得的脑电数据进行预处理。3、将处理后的脑电数据进行聚类得到子类标签矩阵。4、建立基于聚类多任务特征提取算法求解得到特征权重分布。5、根据特征权重分布对脑电数据进行特征提取以训练脑电情感识别模型。本发明通过聚类算法、多任务学习和特征提取的方式提高了脑电情感识别模型的预测精度。
2023-06-07
10
766KB
基于空时特征融合模型的跨领域脑电情感识别方法及系统.pdf
本发明公开了一种基于空时特征融合模型的跨领域脑电情感识别方法和系统,方法包括:(1)获取两个脑电情感数据库,一个作为训练集另一个作为测试集;(2)建立脑电情感识别网络,包括从前到后依次连接的预处理器、数据对齐器、空时特征提取器和情感分类器,其中,所述空时特征提取器首先提取脑电情感数据的时频谱特征,然后将提取的时频谱特征转换为三维张量后进行空时特征提取,所述情感分类器根据空时特征进行情感分类;(3)对所述脑电情感识别网络进行训练;(4)获取待识别的脑电情感数据,将其作为一个测试集样本输入训练好的脑电情感识别
2023-06-07
10
1.1MB
一种基于注意力机制时空位置编码的脑电情感识别方法.pdf
本发明公开了一种基于注意力机制时空位置编码的脑电情感识别方法，属于脑电情感识别技术领域；该方法包括以下步骤：原始脑电信号预处理；设定脑电样本长度、脑电样本内切片长度和脑电样本切片窗移，对脑电信号进行切片，得到脑电样本切片；构建情感分类模型，进行时间维度特征提取和空间维度特征提取；Gate机制特征融合；通过Gate机制学习时间特征和空间特征的权重分配进行特征的加权融合；情感分类；对加权融合后的特征，进行脑电情感分类。本发明通过建立情感分类模型中第一多头注意力机制网络和第二多头注意力机制网络，实现端到端的情感
2023-06-11
10
558KB
一种基于脑网络和矩阵学习的脑电情绪识别方法.pdf
本发明涉及一种基于脑网络和矩阵学习的脑电情绪识别方法，包括：获取受试者的EEG数据集，利用小波包变换将EEG数据重构后划分到N个子频带，根据每个子频带中不同大脑区域在情绪波动时的EEG重构数据，利用希尔伯特变换计算每个子频带中不同大脑区域EEG重构数据之间的锁相值，根据每个子频带中不同大脑区域EEG重构数据之间的锁相值创建每个子频带对应的脑功能连接性矩阵；采用N个分类器构建集成学习分类模型，并对集成学习分类模型进行训练；采用训练后的集成学习分类模型对N个子频带对应的大脑功能连接性矩阵对应特征集进行识别，获
2023-06-01
10
2.2MB