【技术实现步骤摘要】
本专利技术属于情绪识别、人工智能、脑机接口，具体涉及一种基于时空注意力机制的多特征脑电情绪识别方法。
技术介绍
1、情绪识别是计算机感知人类情感从而进行人机交互反馈的重要环节，脑电图通过记录大脑正常活动的电信号变化，可以反映出脑神经细胞产生的各种生理电信号在大脑皮层的变化情况；目前研究表明，脑电模式会随着生理与心理状态不同而变化，因此使用脑电图来进行情绪识别是可行的，能够真实地反映人的情绪状态。
2、在各类基于eeg的情绪识别方法中，传统的机器学习方法包括支持向量机、决策树和随机森林等，这些方法主要基于手工提取的特征，如时域特征、频域特征和时频特征，然后使用浅层模型进行分类；这些传统方法的缺点是它们对非线性关系的建模能力有限，难以处理复杂的情感识别任务；近年来主要使用卷积神经网络和循环神经网络等深度学习模型进行脑电情绪识别，卷积神经网络能够有效地学习局部特征和空间关系，循环神经网络可以捕捉时间序列上的上下文信息，但这些深度学习模型仍然存在一些挑战。
3、传统深度学习模型在处理脑电情绪识别时面临着领域偏移的问题，即...
【技术保护点】
1.一种基于时空注意力机制的多特征脑电情绪识别方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于时空注意力机制的多特征脑电情绪识别方法，其特征在于：将提取的时域、频域、空间域脑电图特征在另一个维度上叠加组合成四维脑电图特征数据，四个维度包括单通道特征、多通道脑电图、单特征维度和多特征组合。
3.根据权利要求1所述的一种基于时空注意力机制的多特征脑电情绪识别方法，其特征在于：所述时域特征包括一阶差分、二阶差分、Hjorth移动性、Hjorth复杂性和非静态指数；所述频域特征包括差分熵DE和功率谱密度PSD；所述空间域特征包括不对称...
【技术特征摘要】
1.一种基于时空注意力机制的多特征脑电情绪识别方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于时空注意力机制的多特征脑电情绪识别方法，其特征在于：将提取的时域、频域、空间域脑电图特征在另一个维度上叠加组合成四维脑电图特征数据，四个维度包括单通道特征、多通道脑电图、单特征维度和多特征组合。
3.根据权利要求1所述的一种基于时空注意力机制的多特征脑电情绪识别方法，其特征在于：所述时域特征包括一阶差分、二阶差分、hjorth移动性、hjorth复杂性和非静态指数；所述频域特征包括差分熵de和功率谱密度psd；所述空间域特征包括不对称差dasm、不对称商rasm和不对称指数asi。
4.根据权利要求1所述的一种基于时空注意力机制的多特征脑电情绪识别方法，其特征在于：根据频域特征，脑电图被分为五个频段：δ(0.5-4hz)、θ(4-8hz)、α(8-13hz)、β(13-30hz)和γ(30-47hz)，de值、psd值和asi值的计算公式如下：
5.根据权利要求1所述的一种基于时空注意力...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。