脑电情感识别中多上下文向量优化的卷积递归神经网络.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812024⁃07⁃10

计算机应用,2024,44(7):2041-2046CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2024）07-2041-06DOI：10.11772/j.issn.1001-9081.2023070970

脑电情感识别中多上下文向量优化的卷积递归神经网络

*

晁浩，封舒琪，刘永利

（河南理工大学计算机科学与技术学院，河南焦作454450）

（∗通信作者电子邮箱2962087398@qq.com）

摘要：目前的脑电（EEG）情感识别模型忽略了不同时段情感状态的差异性，未能强化关键的情感信息。针对上

述问题，提出一种多上下文向量优化的卷积递归神经网络（CR-MCV）。首先构造脑电信号的特征矩阵序列，通过卷积

神经网络（CNN）学习多通道脑电的空间特征；然后利用基于多头注意力的递归神经网络生成多上下文向量进行高层

抽象特征提取；最后利用全连接层进行情感分类。在DEAP（DatabaseforEmotionAnalysisusingPhysiologicalsignals）

数据集上进行实验，CR-MCV在唤醒和效价维度上分类准确率分别为88.09%和89.30%。实验结果表明，CR-MCV在

利用电极空间位置信息和不同时段情感状态显著性特征基础上，能够自适应地分配特征的注意力并强化情感状态显

著性信息。

关键词：多通道脑电信号；情感识别；多上下文向量；卷积递归神经网络；多头注意力

中图分类号：TP18文献标志码：A

Convolutionalrecurrentneuralnetworkoptimizedby

multiplecontextvectorsinEEG-basedemotionrecognition

*

CHAOHao，FENGShuqi，LIUYongli

（SchoolofComputerScienceandTechnology，HenanPolytechnicUniversity，JiaozuoHenan454450，China）

Abstract:ExistingemotionrecognitionmodelsbasedonElectroencephalogram（EEG）almostignoredifferencesin

emotionalstatesatdifferenttimeperiods，andfailtoreinforcekeyemotionalinformation.Tosolvetheaboveproblem，a

MultipleContextVectorsoptimizedConvolutionalRecurrentneuralnetwork（CR-MCV）wasp