一种基于多模态卷积神经网络的情绪识别方法
公开
摘要
本发明公开了一种基于多模态卷积神经网络的情绪识别方法。多模态卷积神经网络由多尺度卷积核卷积神经网络(MLCNN)和长短时记忆网络(LSTM)两大部分组成，多模态卷积神经网络用于对提取了微分熵(DE)特征的脑电信号进行二次特征提取，LSTM网络用于提取眼动信号的时序特征，特征融合采用特征级融合。实验结果显示，多模态信号相对于单模态信号有更高的情绪分类准确率，基于6通道脑电信号和眼动信号的多模态信号情绪四分类平均准确率达到97.94%；且在跨会话稳定性实验中，多模态信号取得了96.32%的准确率，验证了多模态卷积神经网络的跨会话相对稳定性和有效。
基本信息
专利标题 ：
一种基于多模态卷积神经网络的情绪识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114287937A
申请号 ：
CN202111403467.7
公开（公告）日 ：
2022-04-08
申请日 ：
2021-11-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
戴紫玉马玉良张卫佘青山席旭刚
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市钱塘区白杨街道2号大街
代理机构 ：
浙江千克知识产权代理有限公司
代理人 ：
周雷雷
优先权 ：
CN202111403467.7
主分类号 ：
A61B5/16
IPC分类号 ：
A61B5/16 A61B5/369 A61B5/372 A61B3/113 A61B5/00 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
A
A部——人类生活必需
A61
医学或兽医学；卫生学
A61B
诊断；外科；鉴定
A61B5/16
?心理术装置；测试反应的时间
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
