混合注意力机制下胶囊网络的脑电情绪识别方法

摘要

为了充分提取多通道EEG信号的频率信息和空间拓扑信息，提出一种混合注意力机制下胶囊网络的脑电情绪识别模型——CBAM-CapsNet.首先，获取不同频带的脑电信号并提取其微分熵特征；然后，将该特征映射到根据导联空间分布的三维紧凑型特征矩阵中；最后，将三维特征矩阵通过带有混合注意力机制的胶囊网络来进行模型训练和预测.实验结果表明：高频带相比低频带对于情绪识别影响更大，且使用四频带三维矩阵可以显著提高情绪识别准确率；CBAM-CapsNet在DEAP数据集Arousal和Valence上的二分类识别准确率分别为95.42%和95.52%,在DEAP数据集上Arousal＿Valence联合四分类准确率为95.00%,在SEED数据集上三分类准确率为93.19%,相比现有主流基于深度学习的脑电情绪识别模型，准确率显著提升.

关键词

脑电 / 情绪识别 / 胶囊网络 / 注意力机制