一个多阶段的动态融合网络,用于多式联接式情绪识别和识别.

科学领域:

• 情感计算是一种情感计算.
• 生物医学信号处理
• 机器学习 机器学习

背景情况:

• 从生理信号识别情绪是一个日益增长的研究领域.
• 多模式信号为情绪检测提供了比单一模式更丰富的数据.
• 现有的多式联络方式往往忽略了关键的跨式联络交互,使用的是单阶段的融合.

研究的目的:

• 为情感识别提出一个新的多阶段多式联络动态融合网络 (MSMDFN).
• 通过结合跨模式相互作用来解决单阶段融合方法的局限性.
• 通过对交联关系的细粒度分析,实现更准确的情感识别.

主要方法:

• 开发了一个多级多式联运动态融合网络 (MSMDFN).
• 从多种生理信号模式中提取的特征之间的潜相互作用.
• 实施了多阶段的融合过程,以捕捉单模,双模和三模相互关联.

主要成果:

• 在MSMDFN有效地获得基于交叉模式的相互关联的联合代表.
• 与一阶段多式联络式情绪识别技术相比,拟议的方法表现出更高的性能.
• 在DEAP多式联运基准数据集上进行的实验验证实了MSMDFN.的有效性.

结论:

• 多阶段融合方法通过利用跨模式交互,显著提高了情感识别准确性.
• MSMDFN提供了多模式生理信号的更全面的分析,用于情绪检测.
• 这项工作通过引入动态的,多阶段的融合策略,推动了多式联络情感识别领域的发展.