基于时间序列成像的多任务学习驱动情感识别

许胜新; 梁弼政; 胡飞; 徐华兴

doi:10.13705/j.issn.1671-6833.2026.01.005

郑州大学学报（工学版） ›› 2026, Vol. 47 ›› Issue (01) : 73 -80. DOI: 10.13705/j.issn.1671-6833.2026.01.005

基于时间序列成像的多任务学习驱动情感识别

许胜新, 梁弼政, 胡飞, 徐华兴

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对脑电情感识别依赖特征抽取或时频谱图导致的计算复杂度高的问题，提出一种基于时间序列成像(TSI)的多任务学习驱动情感识别方法。通过格拉姆角场、马尔可夫转移场以及模式差分场，实现一维脑电信号到二维图像的直接编码；基于ResNet18分类骨干网络，设计多任务特征融合框架，融合3种TSI编码提取的特征表示。实验结果表明：在DEAP数据集上，所提方法在Valence和Arousal的二分类中的平均分类准确率分别为96.51%和97.22%,在AMIGOS数据集上分别为98.59%和99.64%,扩展到四分类和八分类时，DEAP上的平均分类准确率分别为91.06%和87.43%,AMIGOS上的平均准确率分别为97.41%和89.84,在脑电情感识别中具备良好的鲁棒性。