(DEAP)基于图卷积神经网络的脑电情绪识别(附代码)
1. 数据集介绍以及特征部分见上篇文章:
DEAP数据集介绍以及特征提取部分
深度学习基于DEAP的脑电情绪识别情感分类(附代码)_qq_3196288251的博客-CSDN博客
2. 图卷积神经网络哟结合LSTM
本文主要介绍利用图卷积神经网络结合LSTM进行脑电情绪识别。
由于脑电通道的排列具有空间特征,而调用卷积神经网络或者LSTM等模型只能单一的处理频域特征或者时域特征。而图卷积神经网络可以高效的将频域特征,时域特征和空间域特征结合起来一起分析。对于脑电情绪识别具有重大作用。
2.1 将脑电数据处理成图
1. 首先要将DEAP数据处理成图数据,调用pyg库的InMemoryDataset等函数,重写process函数。(建议学习一下pyg库的各种基础知识)
图的基本知识:点、点的属性、边、边的权重四个基本元素。因此构建图的过程中,首先确认什么为点,点的属性又是什么,以及如何确认边和边的权重。
点:直接用脑电通道构成点。
点属性:自己设定
如何确定边:最简单的就是直接利用空间距离,设定好一个阈值,小于某个距离的确定为边。其他的可以使用各种连通性指标。例如 等等。其中脑电通道的坐标数据及距离见链接:
脑电通道坐标距离
脑电电极位置适用于DEAP数据集-深度学习文档类资源-CSDN下载
边权重:确定边的时候所用到的数值。
通过以上四个属性便可将频域特征,时域特征和空间域特征结合起来一起分析。
如图:
通过邻接矩阵选取边:
处理边权重和点属性:
由于边权重和点属性可以采取不同方案,从而组成不同的图信息。
本代码采用不同的方案共构成了6种特征组合,并构建了两种模型进行训练。
两层GNN模型:
GNN结合LSTM:
最终结果准确率达到了95%。
更详细的细节建议看源码或者私聊我。
其中包含图卷积神经网络处理DEAP数据集进行脑电情绪识别的代码,准确率达到90。
主要是每一行代码都写满了注释,每一步都解释的很清楚,很适合新手学习。
这是一个完整的深度学习脑电情绪识别的项目,从数据提取到数据处理,再从数据处理到特征提取以及模型训练,优化参数,验证测试,每一行都写好了注释,很适合新手第一次学习该类型代码。
举个例子:
可以看到函数前面写好了函数名、参数、返回值、功能
代码部分,几乎每一行都写满了是干啥的,甚至很多行下面写了print(...) 。
例如:
print(batch) 是输出这个变量值 ,空格后面表示的是输出的结果
写出了输出的结果,以及print(out.shape) 显示输出的矩阵是1*1维的。
print(type) 显示了生成变量的类型。
本研究在PyCharm上完成编程,环境搭建为Python3.7版本,CUDA为11.1版本,PyTorch为1.8.1版本。通过Anaconda来构建虚拟环境。
每一行都写满了代码注释,同时有每一行的输出,输出类型,输出维度也都写了。
源码链接:基于图卷积的脑电情绪识别
https://download.csdn.net/download/qq_45874683/20242874?spm=1001.2014.3001.5503
(DEAP)基于图卷积神经网络的脑电情绪识别(附代码)相关推荐
- (论文加源码)基于CNN和LSTM的脑电情绪识别(数据集为DEAP和seed)
目录 目录: 运行过程: 1. 运行1D文件(没有什么bug): 2. 再运行3D文件(没有出现bug): 3. 最后运行main文件(出现了两个bug)(前提需要配置好tensorflow的框架): ...
- 为什么正则化可以起到对模型容量进行控制_论文解读 | 基于正则化图神经网络的脑电情绪识别...
©PaperWeekly 原创 · 作者|张玮玮 学校|东北大学硕士生 研究方向|情绪识别 引言论文动机 现有的基于脑电图的情绪识别方法大多不能很好地解决以下三个方面的问题:1. 脑电图信号的拓扑结构 ...
- 论文解读 | 基于正则化图神经网络的脑电情绪识别
©PaperWeekly 原创 · 作者|张玮玮 学校|东北大学硕士生 研究方向|情绪识别 引言 论文动机 现有的基于脑电图的情绪识别方法大多不能很好地解决以下三个方面的问题: 1. 脑电图信号的拓 ...
- (论文加源码)基于DEAP和MABHOB数据集的二分类脑电情绪识别(pytorch深度神经网络(DNN)和卷积神经网络(CNN))
该论文发表于2021年的顶级期刊.(pytorch框架) 代码解析部分在个人主页: https://blog.csdn.net/qq_45874683/article/details/13000797 ...
- (论文加源码)基于DEAP和MABHOB数据集的二分类脑电情绪识别(pytorch深度神经网络(DNN)和卷积神经网络(CNN))代码解析
论文解析见个人主页: https://blog.csdn.net/qq_45874683/article/details/130000469?csdn_share_tail=%7B%22type%22 ...
- (论文加源码)基于DEAP的脑电情绪识别(CNN,RNN和两种不同的注意力机制)
论文及源码见个人主页:https://download.csdn.net/download/qq_45874683/85063985 (论文加源码)基于DEAP的脑电情绪识别(CNN,RNN和两种不同 ...
- (论文加源码)基于DEAP脑电数据集的脑电情绪识别(利用生成对抗性网络进行特征提取和数据扩充)
本篇论文发表于2022年的顶级期刊,代码可以完整运行,详情见第八节或者个人主页 论文源码见个人主页:https://download.csdn.net/download/qq_45874683/876 ...
- Chemistry.AI | 基于图卷积神经网络(GCN)预测分子性质
GCN: Graph Convolutional Network(图卷积网络) 环境准备 Python版本:Python 3.6.8 PyTorch版本:PyTorch1.1.0 RDKit版本:RD ...
- (21) 出行需求预测新视角---基于图卷积神经网络GCN的出租车OD需求预测
交通预见未来(21): 出行需求预测新视角---基于图卷积神经网络GCN的出租车OD需求预测 1.文章信息 <Origin-Destination Matrix Prediction via G ...
最新文章
- Excel 计算除法并显示为万分之几,如0.15‱
- qq纵横四海源码_【0基础】纵横中文网python爬虫实战
- SELECT的学习以及在socket中的应用
- 7-1抓老鼠啊-亏了还是赚了
- 【优化预测】基于matlab贝叶斯网络优化LSTM预测【含Matlab源码 1329期】
- WPF随笔(十)--使用AvalonDock实现可停靠式布局
- 自然语言处理NLP开源软件工具包
- 配置maven的settings文件
- Responses 部分 | Http Header
- 《团队领导力》培训笔记
- mysql where in_mysql where in 用法举例
- Word文档快速调整表格列宽度
- 干货:H.265编码RTMP推流直播摄像头
- 百度BMap开发(基础入门知识)
- 群体遗传学--近交系数
- 2022电大国家开放大学网上形考任务-建筑工程项目管理非免费(非答案)
- html页面传递list参数,thinkphp中html:list标签传递多个参数实例,thinkphplist_PHP教程...
- 用C语言程序实现十进制转换为二进制
- 解决 java.sql.SQLException:The server time zone value xxx is unrecognized 问题
- 投资组合的有效边界及基于目标函数的组合优化
热门文章
- 使用python 对pdf文件进行复制
- Ubuntu16.04--poco和boost库编译和安装
- 微电子器件实验 03 - | 晶体管开关时间的测量
- RGB转为Lab空间
- 十八、Linux驱动之nor flash驱动
- (function(){}())与(function(){})()的区别
- Android 实验室
- os error os5_汽车OS竞赛
- OpenCV和关于VS平台的一些编程总结
- NEG指令妙用思考题