该方法在SEED和DEAP数据集上均取得了最先进的性能。 首先,将脑电信号构建为四维特征结构,对脑电信号的频率、空间和时间线索进行清晰的组织。 其次,我们引入了由CNN和LSTM深度融合的CRNN模型。 CNN处理频率和空间信息... 查看原文 基于生理信号的多模态情绪识别模型 ...
CNN用于从4D输入的每个时间片中学习频率和空间信息,LSTM用于从CNN输出中提取时间相关性。LSTM最后一个节点的输出执行分类。 该模型在受试者内部划分的SEED和DEAP数据集上都达到了最先进的性能。实验结果表明,结合脑电频域特征、时域特征和空间域特征(频率、空间和时间信息)进行脑电情感识别是有效的。 结论: 提出了一...
SEED-VIG-CNN 针对上海交大SSED-VIG数据集做的一个融合脑电波和眼电波的特征信息推断是否疲劳的网络,适用于疲劳驾驶分析 A fatigue driving detecting network integrates EEG and OOG feature for Shanghai Jiao Tong University's SSED-VIG dataset mat_to_pickle.py作用是把matlab格式的数据集转换为python的pickle格...
SEED-VIG-CNN 针对上海交大SSED-VIG数据集做的一个融合脑电波和眼电波的特征信息推断是否疲劳的网络,适用于疲劳驾驶分析 mat_to_pickle.py作用是把matlab格式的数据集转换为python的pickle格式 训练的模型的地址:https://drive.google.com/drive/folders/1BlhSXLg4RMnDUiPMFzWS9IkN8zUkZ3AR?usp=share_link About...