10.3778/j.issn.1002-8331.1908-0314
融合倒谱特征的脑电(EEG)情感分类
近年来,通过分析脑电图(EEG)信号来实现情感识别的课题越来越被研究者所重视.为了丰富特征的表示能力,获得更高的情感识别分类准确率,尝试将语音信号特征梅尔频率倒谱系数MFCC应用于脑电信号.在对EEG信号小波变换的基础上将提取得到的MFCC特征与EEG特征相互融合,通过利用深度残差网络(ResNet18)的特性进行情感分类识别.实验结果表明,比起传统的单一利用EEG特征,添加了MFCC特征使得情感维度Arousal和Valence两者的识别准确率分别提升了6%和4%,达到了86.01%和85.46%,从而提升了情感的识别准确度.
脑电信号、梅尔倒谱系数(MFCC)、特征融合、深度残差网络
56
TP183;TN912(自动化基础理论)
国家自然科学基金;国家重大新药开发科技专项;上海市教育发展基金会和上海市教育委员会"曙光计划"
2020-11-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
164-169