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。