基于判别性脑神经网络拓扑与集成共同决策策略的层次化情绪识别框架
神经元与认知
2020-02-26 v1 信号处理
摘要
脑神经网络表征了不同情绪状态下多样的信息传播模式。然而，基于传统图论的统计特征可能忽略空间网络差异。为揭示这些固有空间特征并提升情绪识别的稳定性，我们提出了一种层次化框架，可通过结合监督学习与集成共同决策策略，利用多种情绪相关空间网络拓扑模式（MESNP）执行多情绪识别。为评估所提 MESNP 方法的性能，我们使用两个公开数据集即 MAHNOB 与 DEAP 进行了离线与模拟在线实验。实验结果表明，MESNP 能显著提升多情绪的的分类性能。MAHNOB-HCI 与 DEAP 离线实验的最高准确率分别达到 99.93%（3 类）与 83.66%（4 类）。对于模拟在线实验，我们所提 MESNP 也取得了最佳分类准确率：MAHNOB 为 100%（3 类），DEAP 为 99.22%（4 类）。这些结果进一步证明了 MESNP 在多分类情绪任务中结构化特征提取的有效性。
引用
@article{arxiv.2002.10804,
title = {Hierarchical emotion-recognition framework based on discriminative brain neural network topology and ensemble co-decision strategy},
author = {Cunbo Li and Peiyang Li and Yangsong Zhang and Ning Li and Yajing Si and Fali Li and Dezhong Yao and Peng Xu},
journal= {arXiv preprint arXiv:2002.10804},
year = {2020}
}