EEG情感识别中基于集成深度学习模型的多分析域特征融合

来源期刊：控制与决策2020年第7期

论文作者：晁浩 刘永利 连卫芳

文章页码：1674 - 1680

关键词：情感识别;多通道脑电;深度学习;深度信念网络;特征融合;受限玻尔兹曼机;

摘    要：提出一种基于集成深度学习模型的情感状态检测方法.首先从脑电信号的时域、频域和时频域中提取4种表征情绪状态显著信息的初始特征;然后使用胶质细胞链改进的深度信念网络分别提取这些特征的高层抽象表示;最后利用判别式受限玻尔兹曼机对高层抽象特征进行融合,进行情感状态预测.在DEAP数据集上进行的实验显示,胶质链能够挖掘和利用EEG不同通道之间的相关性信息,而集成深度学习模型能够有效集成EEG信号在时域、频域和时频域蕴含的情感状态相关的显著性信息.