-
公开(公告)号：CN112883855A
公开(公告)日：2021-06-01
申请号：CN202110159365.9
申请日：2021-02-04
Applicant: 东北林业大学
Abstract: 本发明涉及一种基于卷积神经网络+数据增强算法Borderline‑SMOTE的脑电信号情感识别方法，主要包括以下内容：首先导入情感识别标准数据集————DEAP数据集(本身已经过降采样至128Hz并去除伪迹)，取出32个数据文件的前32个通道的后60s脑电信号数据，并进行预处理；然后对预处理后的数据提取频域特征，并基于数据增强算法Borderline‑SMOTE对少数类分类边界及其附近的样本进行一定的过采样，使得不同类别的数据量尽可能平衡；最后，设计了一个卷积神经网络，在情感维度Valence和Arousal上进行情感三分类的模型训练与测试，并采用10折分层交叉验证的方法对结果进行多角度性能评估。与现有方法相比，本发明中的脑电信号情感识别方法性能有了一定的提升，具有一定的使用价值。
-
公开(公告)号：CN112200016A
公开(公告)日：2021-01-08
申请号：CN202010977310.4
申请日：2020-09-17
Applicant: 东北林业大学
Abstract: 本发明涉及一种基于集成学习方法AdaBoost的脑电信号情感识别方法，其中脑电信号情感识别的方法包括：首先导入DEAP数据集(本身已经过降采样至128Hz并去除伪迹)，取出32个数据文件的前32个通道的后60s数据，并提取出数据和0/1标签；然后进行特征提取和特征选择，从脑电信号数据中提取出与情感相关的时域、频域和非线性特征；接下来，进行4个维度(Valence,Arousal,Dominance,Liking)上的情感二分类，将提取出的特征数据划分成训练集和测试集，训练集输入到训练好的AdaBoost分类器，测试集采用5折交叉验证的方法验证分类效果。此外，使用Random Forest和XGBoost分类器进行对比实验，发现本发明中的方法性能最优，使得情感识别准确率得到了较为明显的提升。
-
Search Results
2
records
(took 0.023 seconds)
