基于CNN+数据增强算法Borderline-SMOTE的脑电信号情感识别制造技术

本发明专利技术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，本发明专利技术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。

【技术实现步骤摘要】
基于CNN+数据增强算法Borderline-SMOTE的脑电信号情感识别
：本专利技术涉及机器学习、深度学习与情感识别领域，尤其涉及一种基于CNN+数据增强算法Borderline-SMOTE的脑电信号情感识别。
技术介绍
：情感是人们对自身和外界事物的一组连续或间断的反应，是人类不可或缺的，在人们的社会活动中起着重要的作用。它是人们之间非语言交际的载体，简化了人与人之间的交流，并使得我们的日常生活更为生动。然而，由于社会发展和人们生活节奏的加快，很多人往往会感到压力和焦虑。如果这种情况没有得到关注使之持续下去，长此以往，可能会导致各种健康问题(如抑郁症)，甚至影响人们的日常生活和自我发展。因此，情感识别逐渐成为研究人员广泛关注的热点和现实研究课题。目前，情感识别已被广泛应用于许多领域，许多行之有效的情感识别方法正推动着这一课题的发展。例如，我们可以通过文字或语音来判断信息主机在写文章或录制演讲时的情感状态，或者通过视频设备来识别人们的面部表情和身体姿势，从而判断他们当前想要表达的情感类型和强度。然而，从某种程度上说，这些领域本文档来自技高网...

【技术保护点】
1.脑电信号预处理，包括如下步骤：/n步骤1：导入从官网下载的情感识别标准数据集————DEAP数据集源文件(本身已经过降采样至128Hz并去除伪迹)，取出32个.dat文件的前32个通道的后60s脑电信号数据(去除前3s与情感不相关的基线信号数据)；/n步骤2：将以上数据的data和labels部分，分别存于features_raw.csv文件以及labels0-3.dat文件中；/n步骤3：对data部分，进行Z-Score标准化；对labels部分，进行类别标签的重新标记：标签中的评分值>＝6.5的重新标记为类别2(高)，评分值>＝3.5的重新标记为类别1(中)，其它的评分值...

【技术特征摘要】
1.脑电信号预处理，包括如下步骤：
步骤1：导入从官网下载的情感识别标准数据集————DEAP数据集源文件(本身已经过降采样至128Hz并去除伪迹)，取出32个.dat文件的前32个通道的后60s脑电信号数据(去除前3s与情感不相关的基线信号数据)；
步骤2：将以上数据的data和labels部分，分别存于features_raw.csv文件以及labels0-3.dat文件中；
步骤3：对data部分，进行Z-Score标准化；对labels部分，进行类别标签的重新标记：标签中的评分值>＝6.5的重新标记为类别2(高)，评分值>＝3.5的重新标记为类别1(中)，其它的评分值重新标记为类别0(低)，以便为后续步骤做准备。


2.在权利要求1基础上的一种脑电信号特征提取方法，包括如下步骤：
步骤1：考虑到脑电信号在不同频带具有不同的表现形式以及脑电信号自身的非平稳性,为尽可能地捕捉脑电信号中的情感细节信息，这里以每个被试(参与脑电信号采集的志愿者)的数据为单位，从脑电信号的频域特征入手，基于短时傅里叶变换，从上述经过预处理的脑电信号数据中提取出5个频带(theta(4-7hz)，alpha(8-13hz)，low-beta(13-16hz)，high-beta(16-31hz)和gamma(31-45hz))的功率谱特征；
步骤2：使用2秒(即大小为256)、重叠时间为1.835秒(即步长为16)的滑动窗口，在脑电信号数据上进行滑动，以获取更详细的特征信息。

【专利技术属性】
技术研发人员：陈宇，常锐，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：黑龙江;23