基于时空自适应图卷积神经网络的脑电信号情绪识别
Computer Science（2022）
摘要
随着人机交互在计算机辅助领域的快速发展,脑电信号已成为情绪识别的主要手段.与此同时,图网络因其对拓扑结构数据的优秀表征能力,逐渐受到研究者们的广泛关注.为进一步提升图网络对多通道脑电信号的表征性能,文中结合脑电信号的稀疏性、不频繁性等多种特性,提出了一种基于时空自适应图卷积神经网络的脑电情绪识别方法(Self-Adaptive Brain Graph Convolutional Network with Spatiotemporal Attention,SABGCN-ST).该方法通过引入时空注意力机制解决了情绪的稀疏性问题,并根据自适应学习的脑网络拓扑邻接矩阵,挖掘不同位置的电极通道之间的功能连接关系.最终模型基于图卷积操作进行图结构的特征学习,以实现对脑电信号的情绪预测.在DEAP和SEED两个脑电信号公开数据集上开展了大量实验,实验结果证明,SABGCN-ST相比基线模型在准确率上具有显著的优势,平均情绪识别准确率达到84.91％.
更多查看译文
关键词
electroencephalogram|emotion recognition|graph convolutional neural network|spatio-temporal attention mechanism|self-adaptive adjacent matrix|deep learning
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要