基于分层式残差聚合与双分支维度分裂注意力机制的情绪识别

摘要

针对脑电图（EEG）动态复杂性和解码难度限制情绪识别的精度和鲁棒性的问题，提出一种新的情绪分类模型MADBNet。首先，多尺度分组卷积用于捕捉不同层次的情绪特征；随后，通过分层残差聚合多尺度特征，并穿插轴向通道空间注意力捕获通道相关性和空间依赖性；最后，通过双分支维度分裂特征处理的注意力机制增强局部与全局关联，实现EEG时空频特征的融合。在DEAP数据集上的实验结果表明，该模型在精度和稳定性显示出优越的性能。

关键词

情绪识别 / 人机交互 / 分层残差聚合 / 轴向通道空间注意力 / 双分支维度分裂