基于层次的多尺度图形神经网络的EEG情感识别
Wenjuan Gu1, Junxiang Peng1, Shiying Ma1
1Faculty of Mechanical and Electrical Engineering, Kunming University of Science and Technology, Kunming, 650500 China.
Cognitive neurodynamics
|December 29, 2025
概括
本研究介绍了一种层次多尺度图形神经网络 (HMSGNN),用于使用电脑图 (EEG) 信号进行高级情绪识别. 这种新的方法显著提高了从大脑活动分类情绪的准确性和稳定性.
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:
- 情绪识别利用电脑电图 (EEG) 信号直接了解大脑活动.
- 现有的图形神经网络 (GNN) 方法在EEG数据中的时空依赖性和跨区域相互作用方面存在困难.
- 目前GNN的局限性阻碍了基于EEG的情绪识别的准确性和稳定性.
研究的目的:
- 开发一种先进的模型,通过EEG信号增强情绪识别.
- 克服现有的GNN在捕捉复杂的时空EEG动态方面的局限性.
- 为了提高情绪识别系统的准确性和稳定性.
主要方法:
- 提出了一个新的层次多尺度图形神经网络 (HMSGNN).
- 使用多层次的特征提取,从本地到全球,以建模EEG信号.
- 增强时空特征建模能力,以改善信号分析.
主要成果:
- HMSGNN实现了高度主体依赖的准确性:98.67% (SEED) 和85.72% (SEED-IV).
- 在对象独立的实验中,准确率为87.11% (SEED) 和76.14% (SEED-IV).
- 结果代表了比较方法中的最高准确度,具有可比或较低的差异.
结论:
- HMSGNN有效地增强了EEG信号的时空特征建模.
- 提出的方法显著提高了情绪识别的准确性和稳定性.
- 在主体依赖和独立设置中,HMSGNN展示了最先进的性能.
