基于 AsMap 的 EEG 情绪分类自动特征提取
机器学习
2022-03-22 v2
摘要
使用 EEG 的情绪识别已被广泛研究以应对情感计算相关的挑战。在 EEG 信号上使用手动特征提取方法会导致学习模型性能次优。随着深度学习作为自动特征工程工具的进步，本工作提出了一种手动与自动特征提取方法的混合方案。从 EEG 信号的差分熵特征中捕获不同脑区的非对称性，形成称为 AsMap 的二维向量。然后使用卷积神经网络模型从这些 AsMap 中自动提取特征。所提特征提取方法与差分熵及其他特征提取方法（如相对非对称性、差分非对称性和差分尾侧性）进行了比较。使用 SJTU 情绪 EEG 数据集和 DEAP 数据集，基于类别数量在不同的分类问题上进行了实验。结果表明，所提特征提取方法获得了更高的分类准确率，优于其他特征提取方法。在 SJTU 情绪 EEG 数据集的三分类问题上取得了 97.10% 的最高分类准确率。此外，本工作还评估了窗口大小对分类准确率的影响。
引用
@article{arxiv.2201.12055,
title = {Automated Feature Extraction on AsMap for Emotion Classification using EEG},
author = {Md. Zaved Iqubal Ahmed and Nidul Sinha and Souvik Phadikar and Ebrahim Ghaderpour},
journal= {arXiv preprint arXiv:2201.12055},
year = {2022}
}
备注
18 pages, 7 figures, published in Sensors (MDPI)