基于自适应窗口选择和CA-KANAN的情绪识别框架
Xuefen Lin1, Linhui Fan1, Yifan Gu2
1College of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou, 310023 China.
Cognitive neurodynamics
|June 27, 2025
概括
这项研究引入了基于脑电图 (EEG) 的情绪识别的新框架,实现了高精度. 该方法将自适应窗口选择与增强的神经网络相结合,以实现高效可靠的情绪检测.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 使用脑电图 (EEG) 数据进行情绪识别对于各种应用至关重要.
- 改进EEG数据处理和情绪识别模型是一个活跃的研究领域.
研究的目的:
- 开发基于EEG的情绪识别的先进框架.
- 为了提高情绪识别模型的准确性和效率.
主要方法:
- 使用适应性窗口选择的CUSUM算法提取与情绪相关的EEG段.
- 采用卷积注意力增强的科尔摩戈罗夫-阿诺德网络 (CA-KAN) 进行强大的情绪分类.
主要成果:
- 在SEED数据集上达到94.63%的峰值分类准确度,在SEED-IV数据集上达到94.73%.
- 展示了一个适合现实世界部署的轻量级框架.
结论:
- 拟议的CA-KAN框架显著提高了基于EEG的情绪识别准确性和效率.
- 该框架显示了医疗情绪监测和驾驶员情绪检测等应用的潜力.


