结合注意力机制和特征融合1DCNN的脑电情感识别

摘要：

针对脑电情感识别领域中处理一维数据时将其映射为二维或三维数据,然后利用2DCNN或3DCNN模型进行处理和识别时,存在参数量大且参数寻优方法费时费力的问题,提出一种基于频段和脑区注意力机制的1DCNN模型.对脑电信号提取特征并采用t检验进行最优特征选择;根据提取特征的结构设计了一种新型的1DCNN情感识别模型,为模型的参数选择和卷积操作提供可解释性;最后根据左、右脑区对情感反应能力的不同,提出一种脑区注意力机制,并与频段注意力机制相结合更好地关注与情感相关的脑区与频段.提出的FBA-1DCNN模型在DEAP脑电情感数据库的效价维和唤醒维二分类实验上的平均识别率分别达到了94.01％和93.55％,在效价-唤醒维四分类实验上的平均识别率达到了89.38％,比现有的1DCNN模型分别提升了2.96、3.31和7.69个百分点.

关键词：脑电情感识别、t检验、深度学习、一维卷积神经网络(1DCNN)、注意力机制

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;山西省回国留学人员科研资助项目

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：171-177