一种融合CNN和LSTM的情绪识别分类方法
实质审查的生效
摘要
本发明针对机器学习方法分类准确率低以及脑电信号非线性的特点，提出一种融合CNN和LSTM的情绪识别分类方法。该方法使用CNN从脑电信号输入矩阵中学习频率和空间信息，使用LSTM从CNN的输出矩阵中提取脑电信号的时间依赖性，LSTM的最后一个节点的输出执行三分类，通过在最后一个卷积层后添加通道注意力机制的方式对上述方法进行改进。所述方法包括：脑电信号的采集、脑电信号的预处理、计算微分熵特征、特征平滑、将微分熵特征转换为带有62通道空间信息的4维特征、定义CNN‑LSTM模型结构。本发明从集成脑电信号频率、空间和时间三维信息的角度出发，能够简化模型并提高情绪识别的效率和准确率。
基本信息
专利标题 ：
一种融合CNN和LSTM的情绪识别分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114504331A
申请号 ：
CN202210181953.7
公开（公告）日 ：
2022-05-17
申请日 ：
2022-02-25
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王丹陈玉霞
申请人 ：
北京工业大学
申请人地址 ：
北京市朝阳区平乐园100号
代理机构 ：
北京思海天达知识产权代理有限公司
代理人 ：
刘萍
优先权 ：
CN202210181953.7
主分类号 ：
A61B5/372
IPC分类号 ：
A61B5/372 A61B5/16 A61B5/00
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
A61B5/372
脑电图的分析
法律状态
2022-06-03 ：
实质审查的生效
IPC(主分类) : A61B 5/372
申请日 : 20220225
申请日 : 20220225
2022-05-17 ：
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
