基于互相关注意力机制的 EEG 情绪识别特征融合方法
机器学习
2024-06-21 v1 人工智能
摘要
情绪诊断的客观准确参考对于心理学家而言尤为重要，尤其是当患者因病理性原因难以沟通时。然而，当前基于脑电图（EEG）数据用于情感判别的系统存在模型复杂度过高、准确率一般且解释性有限等问题。因此，我们提出了一种新型且有效的特征融合机制，称为互相关注意力（Mutual-Cross-Attention, MCA）。结合专门定制的 3D 卷积神经网络（3D-CNN），该纯数学机制巧妙地发现了时域特征与频域特征之间的互补关系。此外，新设计的 Channel-PSD-DE 3D 特征也为卓越性能提供了贡献。该方法最终在 DEAP 数据集上实现了 99.49%（价值）和 99.30%（唤醒）准确率。
引用
@article{arxiv.2406.14014,
title = {Feature Fusion Based on Mutual-Cross-Attention Mechanism for EEG Emotion Recognition},
author = {Yimin Zhao and Jin Gu},
journal= {arXiv preprint arXiv:2406.14014},
year = {2024}
}
备注
The work has been accepted by MICCAI 2024. The uploaded one is preprint which has not undergone peer review (when applicable) or any post-submission improvements or corrections. The official DOI link will be provided once available