基于 EEG 信号的音乐聆听期间连续情绪识别：一种模糊并行级联模型
人机交互
2019-10-24 v1 信号处理
神经元与认知
摘要
人工智能中的一个争议性问题是人类情绪识别。本文提出一种模糊并行级联（FPC）模型，用于通过EEG信号的时变频谱内容预测音乐情绪内容的连续主观评价。在聆听七段音乐摘录期间，记录了15名受试者的EEG及其情绪评价。情绪评价沿效价和唤醒情绪轴作为连续信号记录。FPC模型由并行级联组成，每个级联包含一个基于模糊逻辑的系统。通过将FPC模型与线性回归（LR）、支持向量回归（SVR）和长短期记忆循环神经网络（LSTM RNN）模型比较来评估其性能。对于所有音乐摘录的效价与唤醒估计，FPC的RMSE均低于其他模型。最低的RMSE为0.089，由FPC模型在MS4的效价估计中获得。对额叶EEG与效价互信息的分析证实了额叶通道在theta频带对情绪识别的作用。考虑到歌曲中音乐特征的动态变化，采用建模方法预测情绪评价的动态变化，可作为将音乐摘录分类为预定义标签的合理替代方案。
引用
@article{arxiv.1910.10489,
title = {Continuous Emotion Recognition during Music Listening Using EEG Signals: A Fuzzy Parallel Cascades Model},
author = {Fatemeh Hasanzadeh and Mohsen Annabestani and Sahar Moghimi},
journal= {arXiv preprint arXiv:1910.10489},
year = {2019}
}