基于时空自适应图卷积神经网络的脑电信号情绪识别

作者:高越; 傅湘玲; 欧阳天雄; 陈松龄; 闫晨巍
更新时间:

随着人机交互在计算机辅助领域的迅速发展,脑电已成为情绪识别的主要手段。同时,图网络以其优异的拓扑数据表示能力逐渐引起研究者的广泛关注。为了进一步提高图形网络对多通道脑电信号的表示性能,结合脑电信号的稀疏性、不频繁性等特点,提出了一种基于时空自适应脑图卷积网络(SABGCN-ST)的脑电情感识别方法。该方法通过引入时空注意机制来解决情绪稀疏问题,并根据自适应学习脑网络拓扑 邻接矩阵挖掘不同位置电极通道之间的功能联系。最后,基于图卷积运算学习图结构特征,实现脑电信号的情绪预测。在DEAP和SEED的两个EEG公共数据集上进行了大量实验。实验结果表明,与基线模型相比,sabgcn-ST在准确率上有显著优势,情绪识别的平均准确率为84.91%。