当前位置：
X-MOL 学术
›
IEEE Signal Process. Lett.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
EEG-GCN：用于基于单视图和多视图脑电图的情绪识别的时空和自适应图卷积网络
IEEE Signal Processing Letters ( IF 3.2 ) Pub Date : 6-3-2022 , DOI: 10.1109/lsp.2022.3179946
Yue Gao 1 , Xiangling Fu 1 , Tianxiong Ouyang 1 , Yi Wang 1
Affiliation
图网络自然适合对脑电图信号的多通道特征进行建模。然而，现有的尝试利用基于图的神经网络进行基于脑电图的情感识别的研究并未考虑脑电图特征的时空冗余和大脑拓扑的差异。在本文中，我们提出了 EEG-GCN，一种采用时空和自适应图卷积网络进行基于单视图和多视图 EEG 的情感识别的范例。通过采用时空注意力机制，EEG-GCN 可以自适应地捕获 EEG 信号中的重要序列片段和空间位置信息。同时，设计了自适应脑网络邻接矩阵来量化通道之间的连接强度，从而表示不同情绪场景下的不同激活模式。此外，我们提出了一种基于多视图脑电图的情绪识别方法，该方法有效地整合了脑电图信号的不同特征。在两个基准数据集 SEED 和 DEAP 上进行的广泛实验表明，我们提出的方法在单视图和多视图方面均优于其他代表性方法。
"点击查看英文标题和摘要"
京公网安备 11010802027423号