CWEFS：受脑体积导联效应启发的基于通道注意力的多维情感识别 EEG 特征选择方法
人机交互
2025-08-08 v1 人工智能
摘要
由于脑内体积导联效应，高维多通道脑电图（EEG）特征常包含大量冗余和无关信息。这一问题不仅阻碍了情感表征的提取，也损害了实时性能。特征选择已成为有效解决此类挑战、同时提升情感识别模型透明度和可解释性的关键方法。然而，现有 EEG 特征选择研究忽略了潜在 EEG 特征结构对情感标签相关性的影响，并假设不同通道的重要性均匀，这直接限制了面向多维情感计算的精准特征选择模型构建。为此，本文提出一种用于多维情感识别的基于通道的 EEG 特征选择（CWEFS）方法。具体而言，受脑体积导联效应启发，CWEFS 将 EEG 情感特征选择整合到旨在构建跨不同 EEG 通道一致潜在空间的共享潜在结构模型中。为保留局部几何结构，该一致空间进一步集成了多维情感标签的潜在语义分析。此外，CWEFS 引入自适应通道权重学习，自动确定不同 EEG 通道在情感特征选择任务中的重要性。通过三个包含多维情感标签的流行 EEG 数据集验证了 CWEFS 的有效性。综合实验结果显示，与十九种特征选择方法相比，CWEFS 选取的 EEG 特征子集在六个评估指标上实现最佳情感识别性能。
引用
@article{arxiv.2508.05228,
title = {CWEFS: Brain volume conduction effects inspired channel-wise EEG feature selection for multi-dimensional emotion recognition},
author = {Xueyuan Xu and Wenjia Dong and Fulin Wei and Li Zhuo},
journal= {arXiv preprint arXiv:2508.05228},
year = {2025}
}