结合FCM和GC分析构建脑网络的EEG情感识别

摘要

【目的】脑电情感识别中格兰杰因果(GC)分析构建脑网络时没有考虑各节点间协同交互作用的问题。提出一种结合模糊认知图(FCM)和GC分析构建脑网络的方法。【方法】首先基于FCM的结构与GC脑网络的对应性，利用FCM多节点间的因果属性对GC脑网络进行建模改进，构建了FCM-GC脑网络，考虑了多节点间的协同交互作用；进一步，为使FCM与GC脑网络深度融合，将EEG电极通道的空间位置信息加入到FCM训练中，构建了新的IFCM-GC脑网络。【结果】基于DEAP情感脑电数据库，提取IFCM-GC脑网络特征，使用支持向量机为识别模型，在效价维和激励维的平均识别率分别达到了97.10%和97.00%,比现有对格兰杰因果特征改进的研究提升8%以上。采用该方法构建的GC脑网络，考虑了多节点间的协同交互作用，有效提升了情感识别系统的性能。

关键词

脑电情感识别 / 格兰杰因果分析 / 模糊认知图 / 支持向量机

基金资助

国家自然科学基金资助项目(62271342,62201377); 山西省回国留学人员科研资助项目(HGKY2019025)