期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于3D分层卷积融合的多模态生理信号情绪识别 被引量:4
1
作者 凌文芬 陈思含 +1 位作者 彭勇 孔万增 《智能科学与技术学报》 2021年第1期76-84,共9页
近年来,脑电等生理信号由于能客观体现真实情绪已逐渐成为情绪识别研究的热门对象。然而,单模态的脑电信号存在情绪信息特征不完备问题,多模态生理信号存在情绪信息交互不充分问题。针对这些问题,提出基于3D分层卷积的多模态特征融合模... 近年来,脑电等生理信号由于能客观体现真实情绪已逐渐成为情绪识别研究的热门对象。然而,单模态的脑电信号存在情绪信息特征不完备问题,多模态生理信号存在情绪信息交互不充分问题。针对这些问题,提出基于3D分层卷积的多模态特征融合模型,旨在充分挖掘多模态交互关系,更准确地刻画情感信息。首先通过深度可分离卷积网络提取脑电、眼电和肌电3种模态的生理信号的多模态初级情绪特征信息,再对得到的多模态初级情绪特征信息进行3D卷积融合操作,实现两两模态间的局部交互以及所有模态间的全局交互,获取包含不同生理信号情绪特征的多模态融合特征。实验结果表明,提出的模型在DEAP数据集的效价、唤醒度的二分类和四分类任务中达到了98%的平均准确率。 展开更多
关键词 生理信号 情绪识别 3D分层卷积 多模态交互
下载PDF
基于脑机协同智能的情绪识别 被引量:2
2
作者 刘栋军 王宇涵 +2 位作者 凌文芬 彭勇 孔万增 《智能科学与技术学报》 2021年第1期65-75,共11页
面部表情识别是一种直接、有效的情绪识别模式。机器学习可以对图像表情进行形式化表征,但由于缺乏大脑的认知表征能力,在小样本数据集或复杂表情(伪装)数据集上的识别性能并不理想。针对此问题,将机器人工智能的形式化表征与人脑通用... 面部表情识别是一种直接、有效的情绪识别模式。机器学习可以对图像表情进行形式化表征,但由于缺乏大脑的认知表征能力,在小样本数据集或复杂表情(伪装)数据集上的识别性能并不理想。针对此问题,将机器人工智能的形式化表征与人脑通用智能的情感认知能力结合,提出一种基于脑机协同智能的情绪识别方法。首先,从脑电图信号中提取脑电情感特征,以获取大脑对情绪的认知表征。其次,从情感图像中提取图像的视觉特征,以获取机器对情绪的形式化表征。为了增强机器模型的泛化能力,在特征学习中引入样本间的迁移适配。在得到图像视觉特征和脑电情感特征后,采用随机森林回归模型训练得到图像视觉特征与脑电情感特征之间的脑机映射关系。测试图像的图像视觉特征经过脑机映射关系产生虚拟脑电情感特征,然后将虚拟脑电情感特征与图像视觉特征进行融合,用于情绪识别。该方法已经在中国面孔表情图片系统上进行了验证,发现对7种情绪的平均识别准确率为88.51%,相比单纯基于图像的方法,提升了3%~5%。 展开更多
关键词 情绪识别 脑电图信号 脑机协同智能 深度学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部