脑电情绪识别的层次双向时序网络与通道优选
所属分类:技术论文
上传者:wwei
文档大小:2504 K
标签: 通道选择 深度学习 情绪识别
所需积分:0分积分不够怎么办?
文档介绍:面向可穿戴多通道脑电(EEG)情绪识别与边缘端实时推理,提出层次化双向深度时序网络(Hierarchical Bidirectional Deep Temporal Network,HBDTN),并引入灰狼优化实现通道优选以降低传感器与算力开销。首先采用短时傅里叶变换提取多频段能量特征;随后利用BiLSTM建模全局时序依赖,在中间层通过堆叠LSTM并结合升维/降维的信息瓶颈策略提炼关键判别模式,在抑制冗余的同时增强跨被试泛化能力。基于DEAP数据集实验,HBDTN在22通道配置下唤醒度与效价分类准确率分别达到92.5%和92.4%。结构消融结果表明,相比减层、卷积前端与注意力变体,HBDTN在准确率与复杂度之间更为均衡。与同类技术相比,GWO 在通道优选中表现出更优的收敛速度和最终适应度。多次独立运行中,灰狼优化筛选通道的重叠率超过 85%,且与全通道性能差异不显著(q>0.05),验证了所提方案的稳定性与可部署性。
现在下载
VIP会员,AET专家下载不扣分;重复下载不扣分,本人上传资源不扣分。