基于自然情境下暂时性局部化“情绪事件”的情绪识别
信号处理
2022-11-07 v1 人工智能
人机交互
机器学习
摘要
利用 EEG 信号进行情绪识别因其在脑机接口（BCI）中的广泛适用性而成为一个新兴研究领域。情绪感受在实验室中难以诱发。情绪持续时间不长，但仍需要足够情境才能被感知和体验。然而，大多数 EEG 相关情绪数据库要么因刺激时长过长而含有情绪无关细节，要么因情境极少而令人怀疑刺激能否引发任何情绪感受。我们试图通过设计一项实验来削弱这种权衡的影响，在实验中参与者可自由报告其情绪感受，同时观看情绪刺激。我们将这些报告的情绪感受称为我们自然刺激情绪数据集（DENS）中的“情绪事件”。我们利用 EEG 信号在不同效价（V）和唤醒度（A）维度组合上分类情绪事件，并将结果与 DEAP 和 SEED 基准数据集进行比较。STFT 用于特征提取，并用于由 CNN-LSTM 混合层构成的分类模型。与 DEAP 和 SEED 数据相比，我们的数据获得了显著更高的准确率。我们得出结论：与可能受心智游移污染的长时程 EEG 信号相比，拥有关于情绪感受的精确信息可提升分类准确率。
引用
@article{arxiv.2211.02637,
title = {Emotion Recognition With Temporarily Localized 'Emotional Events' in Naturalistic Context},
author = {Mohammad Asif and Sudhakar Mishra and Majithia Tejas Vinodbhai and Uma Shanker Tiwary},
journal= {arXiv preprint arXiv:2211.02637},
year = {2022}
}