Mtfsfn:基于EEG的情绪识别多视图时间频空间融合网络
Zhongmin Wang1,2,3, Shengyang Gao1
1School of Computer Science and Technology, Xi'an University of Posts and Telecommunications, Xi'an, 710121 Shaanxi China.
Cognitive neurodynamics
|September 30, 2025
概括
这项研究引入了一种新的多视图时频空间融合网络 (MTFSFN),用于先进的脑电图 (EEG) 情绪识别. 通过有效地融合时空特征,MTFSFN模型显著提高了情绪分类的准确性.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 使用电脑电图 (EEG) 识别情绪是一个不断发展的领域.
- 脑电图信号具有复杂的非静态和空间离散的特征.
- 从EEG中提取歧视性时空特征仍然是一个挑战.
研究的目的:
- 提出一个新的多视图时频空间融合网络 (MTFSFN),用于增强基于EEG的情感识别.
- 解决目前捕获复杂EEG信号动态的方法的局限性.
- 为了提高情绪分类的准确性和稳定性.
主要方法:
- 开发了一个多视图时频空间融合网络 (MTFSFN).
- 采用频域注意力机制,在不同频段中权重特征.
- 利用一个多视图变压器与2D定位嵌入用于空间信息提取.
- 集成的LSTM捕捉动态的时间频率空间关系.
- 在DEAP,SEED和SEED-IV数据集上使用主体独立的离开一个主体的交叉验证来验证模型.
主要成果:
- 实现了高平均精度:78.64% (价值) 和77.42% (激发) 在DEAP.
- 在SEED数据集上达到86.91%的平均准确率.
- 在SEED-IV数据集上获得了75.51%的平均准确性.
- 证明了MTFSFN模型的优秀识别性能.
结论:
- 拟议的MTFSFN有效地融合了多视图时间频空间特征,以实现卓越的EEG情绪识别.
- 该模型的架构成功地解决了EEG信号复杂性所带来的挑战.
- MTFSFN显示了现实世界情绪识别应用的巨大潜力.
