基于集成卷积神经网络的脑电情感识别

摘要

采用脑电情感数据集SEED进行情感识别研究,旨在利用深度学习中的卷积神经网络(CNN)自动提取脑电样本的抽象特征,省去人工选择特征与降维的过程.首先,采用小波包变换(WPT)对脑电信号进行6级分解并构成二维结构样本;然后,通过改变网络深度设计了6个深度不同的CNN模型;最后,通过投票法与加权平均法建立集成模型,提高了识别精度.实验结果表明,本文方法对3种情感类别的平均分类精度达到了93.12％,能够满足情感识别的研究需求.