检索结果-内蒙古大学图书馆

生物医学工程学杂志 2025年第1期42卷 32-41页

作者：邹杨萌揭丽琳王铭勋刘勇李军华南昌航空大学江西省图像处理与模式识别重点实验室南昌330063 南昌航空大学仪器科学与光电工程学院南昌330063 南昌航空大学航空服务与音乐学院南昌330063

现有情绪识别研究通常局限于静态实验室情境,未能充分解决动态情境下情绪状态的变化问题。为此,本文提出了一种基于脑电和眼动信号的动态连续情绪识别方法。首先,设计了一种试验范式以涵盖6种动态情绪转换情境,包括开心至平静、平静至... 详细信息

现有情绪识别研究通常局限于静态实验室情境,未能充分解决动态情境下情绪状态的变化问题。为此,本文提出了一种基于脑电和眼动信号的动态连续情绪识别方法。首先,设计了一种试验范式以涵盖6种动态情绪转换情境,包括开心至平静、平静至开心、悲伤至平静、平静至悲伤、紧张至平静以及平静至紧张,并同步收集了20名受试者的脑电数据和眼动数据,以填补现有多模态动态连续情绪数据集的空白。在效价和唤醒二维空间中,对刺激影片每5 s进行分值为1~9的情绪评分,并对动态连续情绪标签进行归一化。接着,对预处理后的脑电和眼动数据进行分频段特征提取,并采用级联特征融合方法,将脑电和眼动数据特征有效结合,生成信息丰富的多模态特征向量。该特征向量被输入到基于径向基函数核的支持向量回归、决策树、随机森林和K-最近邻四种回归模型中,用于构建动态连续情绪识别模型。结果表明,本文方法在6种动态连续情绪的愉悦度和唤醒度识别中均取得了最低均方误差,在动态情境下能够精准识别多种情绪转换,而且相较于单一的脑电或眼动信号,具有更高的识别准确率和鲁棒性,能够满足实际应用的需求。

关键词：动态连续情绪多模态特征融合脑电信号眼动信号情绪识别模型

来源：评论

学校读者我要写书评

暂无评论

基于眼动信号的便携式无线智能交互系统设计

引用

中国生物医学工程学报 2019年第5期38卷 573-580页

作者：郜东瑞汪润桂应少飞姜东陈家鑫宗欣董丽娟宋晓宇王录涛成都信息工程大学计算机学院成都610225 电子科技大学信息医学中心成都610054

肢体运动障碍患者由于无法控制四肢操控现代化的电子设备(如手机、平板等)与外界交流,因此很难融入信息化的社会。设计一个基于眼动信号的便携式无线智能交互系统,帮助使用者利用自身眼动信号控制电子设备,实现与外界的沟通。该系统包... 详细信息

肢体运动障碍患者由于无法控制四肢操控现代化的电子设备(如手机、平板等)与外界交流,因此很难融入信息化的社会。设计一个基于眼动信号的便携式无线智能交互系统,帮助使用者利用自身眼动信号控制电子设备,实现与外界的沟通。该系统包含模拟电路和数字电路两部分,模拟电路实现眼动信号的滤波、放大等处理,数字电路将模拟信号转换为数字信号,并实现对信号的实时分析处理,主要包括采用基于短时能量的端点获得信号活动段的起止位置,并将位置、幅值、波峰数等作为信号特征选择量,然后采用过零点分析和动态阈值方法识别不同类型的眼动信号,利用状态机定义不同类型的眼部信号与电子设备中鼠标动作的对应关系。选择15名使用者进行试验测试,要求被试根据随机指令控制眼部实现5个不同动作,包括眼球向上看、向下看、向左看、向右看、主动眨眼,每个动作共执行100次。测试结果表明,每个眼部动作平均识别准确率大于94%,最低平均信息传输率大于22 bits/min,因此能够利用眼动信号代替鼠标实现对电子设备的控制,实现字符输入、拨打电话、听音乐以及浏览网页等功能。

关键词：眼动信号智能交互系统便携式

来源：评论

学校读者我要写书评

暂无评论

眼动信号的提取与分类识别研究

眼动信号的提取与分类识别研究

引用

作者：彭毅上海师范大学

学位级别：硕士

人机交互技术是连接人与计算机或其他电子设备的桥梁。近几年来,随着科学技术的快速发展,人机交互技术也因此取得了更大的发展,不断的向更自然、更和谐、更便利的方向发展。人作为生物体自身包含了各种各样的生物电信号,例如:脑电信号... 详细信息

人机交互技术是连接人与计算机或其他电子设备的桥梁。近几年来,随着科学技术的快速发展,人机交互技术也因此取得了更大的发展,不断的向更自然、更和谐、更便利的方向发展。人作为生物体自身包含了各种各样的生物电信号,例如:脑电信号、肌电信号、心电信号、眼动信号等。人们可以对这些信号进行采集并进行有效的破译,然后再赋予这些信号特定的含义,这样就可以为人类所用。利用这些丰富的生命体征信息资源开发出更加具有交互性的以“人类为主导”的人机交互系统,逐渐成为科研工作者和相关领域专家不断探索的问题。眼动信号是一种由眼部运动而引起眼部周围电势发生变化的生物电信号。随着眼球运动,眼动信号也会发生变化,眼动信号的波形特点与眼球运动的方式有直接的对应关系;并且,眼动信号具有幅值较高、波形便于检查、处理容易等优势。因此,将眼动信号作为开发基于眼动信号的人机交互技术是解决特殊人士人机交互问题的新方向。本文主要研究了眼动信号的采集和预处理、端点检测、有效眼动信号的提取、特征提取,并分别用BP算法、SVM算法、DTW算法对眼动信号进行模式识别研究。其中,DTW算法有效的解决眼动信号因人而异、长短不一的问题,并提高了眼动信号的识别率,取得了较好的效果,为基于眼动信号的人机交互系统设计奠定了一定的研究基础。文章主要完成了以下几项主要工作:1.眼动信号的采集和预处理:设计了眼动信号采集实验并且对多名受试者进行数据采集,获取了大量的原始眼动信号数据。并通过硬件电路对原始数据进行初步的滤波、降噪处理。2.有效信号的提取:通过对信号进行软件滤波、分帧、加窗、计算短时能量以及端点检测等处理后,提取可靠的有效信号。3.眼动信号的特征提取及分析:根据有效信号的波形特点,分析可用于模式识别的特征值,提取基于波形特点的眼动信号特征值。4.分别利用BP算法、SVM算法以及DTW算法对眼动信号进行分类识别研究,讨论三种模式识别方法的优劣性。

关键词：人机交互眼动信号模式识别特征提取 BP算法 SVM算法 DTW算法

来源：评论

学校读者我要写书评

暂无评论

基于操作信号和眼动信号的驾驶员技能等级评价模型

引用

机械设计与制造 2020年第8期 15-20页

作者：宋晓琳费宏亮湖南大学汽车车身先进设计制造国家重点实验室湖南长沙410082

利用驾驶员在环仿真实验平台,搭建了较为真实的交通场景,采集驾驶员眼动信号和操作信号,利用眼动信号关于感兴趣区域(车内区域、车辆前方近处区域、远方区域)注视时间占比的结果给驾驶员贴标签,以减少标签错误的可能性;采用支持向量机(S... 详细信息

利用驾驶员在环仿真实验平台,搭建了较为真实的交通场景,采集驾驶员眼动信号和操作信号,利用眼动信号关于感兴趣区域(车内区域、车辆前方近处区域、远方区域)注视时间占比的结果给驾驶员贴标签,以减少标签错误的可能性;采用支持向量机(SVM)方法,比较研究基于单一操作信号(转向盘转角中心、速度、侧向加速度)和多操作信号组合评价驾驶员的技能等级。结果表明:采用纵向速度和侧向加速度信号组合比单一操作信号以及其他操作信号的组合对驾驶员技能等级分类正确率高。同时,通过比较多种驾驶员技能等级评价模型,得出最佳驾驶员技能等级评价的经验模型0.3*exp(6*V)+0.7*(8*Ac),其分类正确率达到了90%。

关键词：驾驶员特征眼动信号操作信号支持向量机技能等级评定

来源：评论

学校读者我要写书评

暂无评论

基于脑电信号和眼动信号融合的多模态情绪识别研究

基于脑电信号和眼动信号融合的多模态情绪识别研究

引用

作者：陆怡菲上海交通大学

学位级别：硕士

情绪是人类的一个非常复杂的心理状态或过程,它能够反映人的感知和态度,在人与人之间的交流中发挥着重要的作用。情绪识别的研究对于人机交互的应用具有非常重要的价值。人机交互系统面对的环境是复杂和动态的,在许多场合要能与人协调作... 详细信息

情绪是人类的一个非常复杂的心理状态或过程,它能够反映人的感知和态度,在人与人之间的交流中发挥着重要的作用。情绪识别的研究对于人机交互的应用具有非常重要的价值。人机交互系统面对的环境是复杂和动态的,在许多场合要能与人协调作业,拥有情感交互能力的系统能够更好地适应这样的环境。人机交互系统如果能够快速准确地识别人的情绪,则能使交互过程更加友好自然。脑电信号对人的大脑状态变化具有较强的表征能力,因此基于脑电信号的情绪识别已经成为研究情绪识别的一种常用方法。本文在使用脑电信号的基础上添加另外一种外在的生理表征信号——眼动跟踪信号来进行情绪识别。本文深入探究脑电信号和眼动信号对不同情绪的区分能力和表征特性,并通过不同的模型融合策略(包括深度神经网络)将脑电和眼动信号结合,建立内部神经模式与外部潜意识行为相结合的多模态情绪识别模型。同时,研究脑电和眼动信号表征情绪的能力随时间变化的稳定性。此外,本文探究使用与情绪相关的关键脑区的少量电极进行情绪识别,对开发新的脑机情感交互可穿戴设备,以及探索情感在医疗、交通、教育和军事等领域的实际应用具有重要意义。

关键词：情绪识别人机交互脑电信号眼动信号多模态融合深度神经网络

来源：评论

学校读者我要写书评

暂无评论

脑电及眼动信号协同控制智能上肢方法研究

脑电及眼动信号协同控制智能上肢方法研究

引用

作者：郝原沈阳工业大学

学位级别：硕士

脑机接口是一种绕过人体肌肉神经组织,在大脑和外部设备之间建立一座沟通桥梁的系统,能够解读大脑意图,最终实现对假肢的控制。脑机接口可帮助具有正常大脑活动能力的残疾者进行康复训练,脑电信号作为控制假肢的输入源,实现对外部设备... 详细信息

脑机接口是一种绕过人体肌肉神经组织,在大脑和外部设备之间建立一座沟通桥梁的系统,能够解读大脑意图,最终实现对假肢的控制。脑机接口可帮助具有正常大脑活动能力的残疾者进行康复训练,脑电信号作为控制假肢的输入源,实现对外部设备的控制。由于脑电信号较为微弱,易受外界环境干扰,如噪声干扰等,因此会产生错误率。眼动信号作为一种生物电信号,由眼球的运动产生。眼动信号易于识别,易处理。通过尝试发现,引入眼动信号能够有效降低错误率。针对脑机接口系统识别率低的问题,本文提出了一个将脑电信号和眼动信号相结合的新型混合脑机接口,为肌肉受损的患者提供一种更有效的意图辨识方式和更广的应用范围。本文主要分成三个部分,第一部分是脑电信号的提取分析,第二部分是对眼动信号的处理研究,第三部分是将脑电信号和眼动信号相结合进行意图辨识分析。本文基于两类脑电运动想象任务分析验证了事件相关同步和事件相关去同步现象,由于脑电信号能量分布分散,易受外界噪声干扰。其中,信号预处理采用小波阈值去噪法,相比于傅里叶变换有明显的优势,在处理数字信号时具有自适应性,能够有效处理时间和频率分辨率之间的问题,从而得到最优的时间频率分辨率。特征提取采用希尔伯特变换法,与短时傅里叶变换相比,希尔伯特变换法具有明显优点,它可以自适应地提取感兴趣的频带,能够对脑电数据进行更加准确的估计。本文分别对比了神经网络,线性判别法,支持向量机三种分类方法,根据对比结果显示支持向量机分类识别率最高,故采用支持向量机作为分类识别方法。本文对眼动信号进行卡尔曼滤波处理,通过判别算法提取凝视动作,对凝视点进行检测识别。最后,实验结果说明了将脑电信号和眼动信号相结合有效降低了脑机接口的错误率。本课题设计了将脑电信号和眼动信号相结合的混合脑机接口,主要研究了在眼动信号辅助下训练系统的启停,以凝视点作为控制训练启停信号,当识别到凝视点时,脑电动作命令信号被中断;因此当操作者操作有误或感觉疲劳时,可通过有意图的凝视动作暂停控制系统。由于两种信号具有较强的独立性,通过这种结合控制,实现了系统性能的提高,保证了系统的安全性。

关键词：脑电信号眼动信号希尔伯特黄变换支持向量机意图辨识

来源：评论

学校读者我要写书评

暂无评论

基于眼动信号与操作信号的驾驶员技能等级研究

基于眼动信号与操作信号的驾驶员技能等级研究

引用

作者：费宏亮湖南大学

学位级别：硕士

随着汽车保有量的增加,交通事故的发生率也越来越高,而这其中由驾驶员不当操作而引起的交通事故占有率达到80%。因此,现在越来越多的辅助驾驶系统被开发,以便可以辅助驾驶员完成驾驶任务,从而可以减少交通事故的发生。但是,开发人员围... 详细信息

随着汽车保有量的增加,交通事故的发生率也越来越高,而这其中由驾驶员不当操作而引起的交通事故占有率达到80%。因此,现在越来越多的辅助驾驶系统被开发,以便可以辅助驾驶员完成驾驶任务,从而可以减少交通事故的发生。但是,开发人员围绕智能车辆进行辅助驾驶系统开发,在对周围物体进行态势感知时,却没有考虑到驾驶员本身。使得辅助驾驶系统在同一环境下,采取的控制策略完全相同,而不会根据驾驶人员熟练程度的不同而对控制策略进行改变。基于此,本文提出使用驾驶员的操作信号以及眼动信号,对驾驶员技能进行评估,并提出驾驶员技能评价模型,本文主要完成了以下的研究工作:(1)在驾驶员硬件在环仿真平台上,设计并搭建适合的实验场景。在Carsim和Labview联合搭建的驾驶员在环仿真平台中,搭建虚拟的道路场景,要求驾驶员戴上眼动仪,在驾驶员进行模拟驾驶时,同步采集驾驶员的眼动信号以及操作信号(转向盘转角、侧向加速度、车速),经NI的数据采集卡将这些数据进行实时传递到RT终端的VI,进而将数据共享给主机VI并进行保存,从而建立驾驶员熟练程度数据库,进而为训练驾驶员技能模型提供数据支持。(2)建立基于操作信号与眼动信号的驾驶员技能等级模型,对驾驶员技能等级识别方法进行总结,分析SVM的优缺点。先使用采集的驾驶员眼动信号对驾驶员技能进行贴标签以减少误差率。随后使用在仿真平台上采集的驾驶员操作信号(车速、转向盘转角、侧向加速度)进行驾驶员技能等级辨别,并比较使用单一操作信号以及多操作信号进行组合作为特征量的区别。结果表明,使用车速以及侧向加速度作为组合特征量时。准确率最高,达到90%。(3)建立基于操作信号的驾驶员技能等级量化模型。提出使用标准函数建立驾驶员技能等级量化模型,得出使用指数函数和线性函数有比较好的表现,从而将两者进行组合,发现在使用公式(0.3×exp(6×V)+0.7×(8×Ac)进行驾驶员技能等级量化时,可以得到很好的效果。同时也说明使用车速和侧向加速度可以得到很好的效果,也验证了第二部分的结果。

关键词：驾驶员技能支持向量机特征量眼动信号操作信号

来源：评论

学校读者我要写书评

暂无评论

基于脑电、眼动信号的深度学习对轻度抑郁识别的研究

基于脑电、眼动信号的深度学习对轻度抑郁识别的研究

引用

作者：范永恒兰州大学

学位级别：硕士

抑郁症是一种严重危害患者身心健康的精神疾病,在近30年间,抑郁症的发病率急剧增长,并且目前仍处于上升期。但是我国对抑郁症的防治还处在传统的问诊和量表指数阶段,导致了难以高效识别,早期阶段识别率低等问题。脑电信号(Electroenceph... 详细信息

抑郁症是一种严重危害患者身心健康的精神疾病,在近30年间,抑郁症的发病率急剧增长,并且目前仍处于上升期。但是我国对抑郁症的防治还处在传统的问诊和量表指数阶段,导致了难以高效识别,早期阶段识别率低等问题。脑电信号(Electroencephalography,EEG)在抑郁识别领域的有效性已被多项研究证明,但是基于EEG信号的轻度抑郁识别研究却仍处于起步阶段。眼动数据(Eye Movement,EM)可以反映被试在实验中感兴趣的部分,在理解被试行为方面具有重要作用。针对于此情况,本文提出了两种基于深度神经网络的模型来辅助识别轻度抑郁。本文使用的数据为48名兰州大学学生(24名抑郁被试和24名健康对照)在情绪面孔浏览任务中所产生的脑电数据和眼动数据。本文的主要工作如下:(1)基于多核卷积和时空特征的轻度抑郁识别研究。在相同的脑电采集任务中个体表现往往有着很大的差异性,这导致在不同卷积核上的识别性能也有所不同,所以本研究采取多核并列的方式来提取不同粒度的空间特征,既增强了特征的多样性,也降低了个体差异性造成的影响,使模型可以达到81.81%的识别准确率。但是脑电信号所包含的信息除了空间信息之外还有大量的时间信息,时间信息反映了整个大脑在这一段时间的状态变化,简单的叠加空间信息和时间信息并不能很好的反映大脑的活动状态,本文将LSTM单元中的矩阵乘法运算更换为卷积运算来加强时间特征和空间特征的联系,以获取更能反映大脑活动状态的时空特征,改进后的LSTM可以使模型性能提升至83.47%。在抑郁患者中轻度抑郁患者与正常对照之间在脑电信号之间的差别要小于中度抑郁患者与正常对照之间的差别。为了有效的检测到轻度抑郁,本文采用了新的损失函数来放大轻度抑郁样本在网络训练过程中的作用,模型在此基础上达到了最高的准确率86.18%,且在轻度抑郁样本上的识别准确率也达到了82.08%。这将更有利于在早期阶段检测出轻度抑郁患者。除此之外本文也对批正则化技术在脑电信号这类具有特殊分布的数据上会降低识别准确率方面进行了讨论。(2)基于脑电和眼动的多任务抑郁识别研究。单一的脑电数据在反映大脑活动状态时仍显得不够丰富,而与其同步采集的眼动数据则可以在一定程度上帮助完善大脑的活动信息,因此如何在抑郁识别领域有效的结合脑电、眼动信息便显得格外重要。多任务学习可以同时学习多项相关的任务,让这些任务各自的知识在学习的过程中可以共享,以此来改进模型在每个任务上的性能和泛化能力。本文数据来自被试在同一任务中同时产生的脑电数据和眼动数据,两个任务之间具有很强的相关性,可以用来构建多任务抑郁识别模型。其中脑电私有模块采用第一个模型中的多核卷积策略,眼动私有模块和共享模块都选用3层DNN结构。在多任务学习模型中脑电识别准确率由83.47%上升至85.35%,眼动识别准确率由71.78%上升至74.93%。在模型训练完成后,以共享模块为特征提取器来生成新的特征,并通过多个机器学习模型验证了共享模块所提取的特征含有多任务间的共通性。这些研究结果表明了模型将在其中一方数据难以获取、发生损坏等情况下发挥重大作用。

关键词：脑电信号眼动信号轻度抑郁识别多任务学习

来源：评论

学校读者我要写书评

暂无评论

基于脑电和眼动信号的跨文化情绪识别研究

基于脑电和眼动信号的跨文化情绪识别研究

引用

作者：甘璐上海交通大学

学位级别：硕士

情绪,是一种与思维、感知和行为相关的精神状态。探索情绪产生的机理以及情绪在各种不同条件和环境下的变化与特性,可以帮助人们更好地理解自己,可以为开发更加自然、友好的人机交互系统提供技术支撑,也可以帮助实现许多精神疾病的客观... 详细信息

情绪,是一种与思维、感知和行为相关的精神状态。探索情绪产生的机理以及情绪在各种不同条件和环境下的变化与特性,可以帮助人们更好地理解自己,可以为开发更加自然、友好的人机交互系统提供技术支撑,也可以帮助实现许多精神疾病的客观评估与辅助治疗。跨文化的情绪差异研究同样也是心理学、认知科学、神经科学和精神医学等学科的一个重要研究分支。已经有许多科学研究发现,对于不同文化背景的人群,对情感的理解存在共性与差异性。但是,已有的研究大多停留在定性的分析,缺乏客观和定量的研究。因此,本研究选择了中国人和法国人,进行基于脑电和眼动信号的正向、中性及负向情绪识别的对比研究,探索中法两国被试在脑电与眼动模式上的异同。中国被试的数据来自于公开数据集,因此我们设计了法国人的实验并采集刺激素材,招募了8名法国被试,完成了共计24组实验。实验采集到的脑电及眼动数据将经过预处理、特征提取及特征平滑,并输入分类器进行分类。为了探索中国人与法国人在三类情绪识别方面的异同,我们使用了支持向量机对脑电及眼动信号进行分类,并使用了脑电地形图及功能性脑连接分析算法对中法两国被试的脑电信号进行可视化。为了探索多模态跨文化情绪识别和提升跨文化情绪识别的精度,我们采用深度典型分析的方法将脑电及眼动信号进行融合。为补充训练数据量不足的问题,我们使用了条件生成式对抗网络生成脑电与眼动数据。通过系统的实验比较,我们发现中法被试的脑电特征均在高频段下对三类情绪有更好的区分能力。对于两国不同类型的脑电特征,微分熵特征均是三类情绪识别能获得最高准确率的脑电特征。脑电地形图与功能性脑连接分析的结果从可视化的角度展现了中法被试在高频段脑电模式上的相似之处。使用条件生成式对抗网络则有效地生成了脑电及眼动数据,我们发现脑电特征对于区分正向及中性情绪有优势,而眼动特征则更善于区分负向情绪,在结合两种模态后,中法被试的情绪识别准确率均得到了提升。

关键词：情绪识别脑电信号眼动信号跨文化中国人法国人

来源：评论

学校读者我要写书评

暂无评论

基于脑电图与眼动信号的多模态情绪识别研究

基于脑电图与眼动信号的多模态情绪识别研究

引用

作者：褚文昊青岛大学

学位级别：硕士

情绪对认知、行为和生理过程具有重要影响,是人类心理活动的核心组成部分之一。识别人类情绪有助于加深对人脑的理解,为神经科学和心理学领域提供新的理论支持,并为机器理解人类情感变化提供帮助,从而促进人机交互系统的智能化发展。脑... 详细信息

情绪对认知、行为和生理过程具有重要影响,是人类心理活动的核心组成部分之一。识别人类情绪有助于加深对人脑的理解,为神经科学和心理学领域提供新的理论支持,并为机器理解人类情感变化提供帮助,从而促进人机交互系统的智能化发展。脑电图(Electroencephalogram,EEG)是一种通过放置在头皮上的电极捕获的生理信号,可以反映中枢神经系统的活动。它可以为情感识别提供一种简单、便携、易用的解决方案。脑电信号是时变的、连续的,具有明显的时间序列特征。基于脑电图的情感识别方法已经取得了一定的成功,但常常忽视了情感处理过程中大脑通道之间的动态信息和协同作用。忽略连通性特征在时间上的表示,在一定程度上限制了模型的分类能力。另外,眼动数据作为一种重要的主观生理信号,被广泛认为与个体的情绪状态密切相关。通过分析眼动数据,可以深入理解情绪对眼球运动模式的影响,进而实现对情绪状态的识别和分析。最后,通过综合考虑主观和客观生理信号的融合以及不同情感状态引起的生理变化在多个模态中的相关表现,可以进一步的以提高情绪识别的准确率。本文围绕脑电信号连通性特征的时空表示、眼动信号分析以及多模态融合方法展开研究,主要内容以及创新点具体如下: (1)为了充分提取不同情绪状态下的脑电信号特征,拓展连通性上的时间表达,提出了一种利用时空连通性特征来进行脑电图情感识别的新方法。在二维连通性特征上加入时间维度,通过量化时间间隔内和跨时间间隔的脑电图通道之间的连接强度来捕获不同情绪状态背景下不同通道间连通性随时间的动态变化。接着,采用了并行多尺度卷积神经网络。并行网络结构的采用提高了运算效率并避免了过拟合问题的发生。多尺度卷积核实现了在不同感受野下对脑电信号进行卷积操作,提高了特征提取的精度和有效性,进而增强了情感识别模型的性能。在DEAP数据集上的实验结果显示,所提出的时空连通性特征和并行多尺度卷积神经网络在Valence维度和Arousal维度上的情感识别准确率分别达到了93.25%和93.16%。 (2)为了充分利用多模态生理信号的互补信息,本论文提出了基于脑电和眼动多模态融合网络。首先,对主观行为信号中的眼动数据进行分析和特征提取,并验证了眼动数据在情绪识别中的积极作用,尤其是在多种眼动特征融合后,情绪识别准确率达到了63.4%。接着,采用了双分支特征层融合结构,将脑电信号的时空连通性特征与眼动特征相融合,以不同方式捕捉脑电和眼动信号中的情感相关信息,从而更全面地理解情绪的表达。采用了交叉注意力机制对脑电特征和眼动特征进行交互融合,生成了更具互补性和判别性的融合特征,充分利用了多模态数据的优势,进一步提高了情绪识别模型的准确率和鲁棒性。在SEED-IV数据集上进行了实验验证,结果显示多模态融合的情绪识别准确率达到了84.25%,通过消融实验的证实,明显高于单模态眼动和单模态脑电的识别准确率。与其他情绪识别方法相比也表现突出,证明多模态融合方法能有效提高情绪识别准确率。

关键词：情绪识别脑电信号眼动信号脑区连通性多模态

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：