申请/专利权人：昆明理工大学

申请日：2023-04-16

公开（公告）日：2023-10-27

公开（公告）号：CN116956111A

主分类号：G06F18/24

分类号：G06F18/24;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明涉及一种基于DenseNet和Bi‑GRU的脑电情感识别方法，属于脑信息解码技术领域。先将原始信号分成n段，并对每段信号使用0.5秒不重叠滑窗处理，然后利用巴特沃斯带通滤波器将原始信号分成需要的若干子频段，对于每个频带分别求微分熵特征，并根据通道位置将特征映射到二维地图上，四个频带的特征叠加并转换为4D表示输入到提出的框架中，DenseNet用于学习空间和频率信息，Bi‑GRU从DenseNet的输出中学习时间序列的前后联系，最后softmax函数对情感进行分类。本发明能很好地捕获整个情感任务过程中的有效特征，并且可以显著提高情感分类精度。

主权项：1.一种基于DenseNet和Bi-GRU的脑电情感识别方法，其特征在于：Step1：首先将原始脑电信号分成n个不重叠的片段，每个片段分配的标签和原始脑电信号相同，对n个片段分别使用0.5秒不重叠的滑动窗口增加数据量，然后使用巴特沃斯带通滤波器将原始脑电信号分成四个频带；Step2：对Step1中的每个频带信号求微分熵特征，根据通道位置将特征映射到二维地图上，并将其转化为一个4D表示；Step3：将Step2提取的微分熵特征输入到DenseNet中学习空间和频率信息，然后Bi-GRU从DenseNet输出中学习时间序列的前后联系，最后利用softmax函数对情感进行分类预测。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于DenseNet和Bi-GRU的脑电情感识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD