[发明专利]一种基于CNN的情绪特征分类方法

摘要

本发明涉及一种基于CNN的情绪特征分类方法。首先以Russell情绪维度模型为基准，探索了不同脑区受情绪极性与强度的影响，采用DEAP数据集作为情绪研究的样本，再进行特征通道的选择，然后通过特征归一化以及数据降维提取主要特征，我们的主要分类模型使用卷积神经网络来有效地对以2D阵列形式呈现的预处理EEG数据进行分类。本次研究提供了可观的分类精度，比以往的研究有了特征提取上的改进，更重要的是证明了神经网络可以作为强有力的脑电信号分类器，优于传统的学习技术。

主权项

1.一种基于CNN的情绪特征分类方法，其特征在于，该方法具体包括以下步骤：步骤1.建立以Russell为代表的情绪维度模型，对评价指标按照要求的类别进行相应处理；具体为：在以Russell情绪维度模型为参考时，每个情绪状态放置在一个二维平面上，唤醒度和愉悦度构成坐标轴两维；唤醒的范围从不活跃到活跃，而愉悦度的范围从不愉快到愉快；两种评价维度数值范围为1‑9，数值越大则表示愉悦度跟唤醒度越高；在DEAP数据集中，Labels表示受试者按照Russell情绪维度模型对当前情绪状态的评定，评定的数值范围为1‑9，当分为两类情绪状态时，则将数值范围为[1‑5)转化为编码0，将数值范围为(5‑9]的转化为编码1，来表示两种情绪类别，得到CNN所需样本格式；步骤2.根据情绪维度与大脑皮层相应区域的联系，选取四个电极位置的EEG信号特征，即DEAP实验装置中对应的F3，F4，P3，P4四个通道的数据，并对数据进行归一化处理；步骤3.对数据集中的data高维数据进行PCA降维处理，将数据降到40维，用降维后的特征样本作为卷积神经网络的输入样本；步骤4.将处理后的data和labels按照训练样本和测试样本10：1的比例进行分配，使用卷积神经网络对处理的样本进行分类测试。