【摘 要】
：
当前,情感计算（Affective Computing）在人工智能（Artificial Intelligence,AI）领域,扮演着重要的角色,而脑电信号（Electroencephalograph,EEG）在反映人类情绪状态上有着非常大的优势,已经被广泛地应用于情绪识别。近几年以卷积神经网络（Convolutional Neural Network,CNN）为代表的深度学习技术被越来越多地应用
论文部分内容阅读
当前,情感计算（Affective Computing）在人工智能（Artificial Intelligence,AI）领域,扮演着重要的角色,而脑电信号（Electroencephalograph,EEG）在反映人类情绪状态上有着非常大的优势,已经被广泛地应用于情绪识别。近几年以卷积神经网络（Convolutional Neural Network,CNN）为代表的深度学习技术被越来越多地应用于脑电情绪识别。然而,现存的基于CNN的脑电情绪识别方法一般需要复杂的手工特征设计过程,没有充分利用深度学习强大的特征表达能力。更重要的是,不同通道脑电信号之间的内在关系对于正确识别情绪状态十分重要,然而CNN并不能很好地学习到这种关系。针对以上问题,本文基于胶囊网络（Capsule Network,Caps Net）模型开展脑电情绪识别方法的研究,主要研究内容包括以下两点:1.提出了一种端到端的基于胶囊网络的脑电情绪识别方法,能够免除复杂的手工设计特征的过程,并能够有效的学习脑电信号通道之间的内在关系。我们在两个流行的公开数据集,即DEAP数据集和DREAMER数据集上开展了实验,并与传统方法以及深度学习方法进行对比,实验结果表明该方法在两种数据集上均取得最高的情绪识别精度。2.在上述工作基础上,提出了一种基于多层次特征引导胶囊网络（multi-level features guided capsule network,MLF-Caps Net）的脑电情绪识别方法,该方法能够融合不同卷积层提取的特征,形成多层次特征,从而充分利用不同层次的特征,增强网络的表示能力。此外,我们还增加了一个瓶颈层用于减少网络的参数量,从而加快网络训练和测试的速度。同样地,我们在DEAP数据集和DREAMER数据集上开展了实验,实验结果表明,与基于胶囊网络的方法相比,该方法在识别精度上取得了进一步的提升。
其他文献
雷达在现代信息化战争中起到至关重要的作用,并广泛应用于国防安全领域。而对于雷达舰船目标的检测与识别则是成为了各国争相研究的热点,其中,恒虚警率（Constant False Alarm Rate,CFAR）检测作为一种能根据环境变化来自适应调整阈值的技术,被广泛应用于海面雷达舰船目标的自动检测与追踪。在各国科研人员的不断努力下,众多CFAR检测方法被提出,并在均匀海况下取得了良好的检测效果。然而,
高分辨率的合成孔径雷达（Synthetic Aperture Radar,SAR）图像在图像分类、目标识别等方面有重要的应用。目前,用生成对抗网络的方法提高图像的分辨率已取得了广泛的应用。通过对高分辨率图像的判别可以使生成的高分辨率图像有更多的高频纹理信息。但是,现有的生成对抗网络图像超分辨率重建方法只包含了对高分辨率图像的判别,而忽略了低分辨率图像的作用。这不能保证生成的高分辨率图像可以被准确地
情感在人类认知过程中具有举足轻重的地位。脑电信号（Electroencephalogram,EEG）是脑神经细胞电信号在大脑皮层或头皮表面的总体反映。将脑电信号用于情感识别具有良好的抗伪装性和客观性等特点。由于人体差异性和所处的环境不同,许多个性化因素对脑电的情感识别会产生一定的影响。本文对多种个性化因素在脑电情感识别中的影响展开研究,主要从个体差异、环境差异以及其他生理信号的差异三个方面开展研究
在图形图像、科学计算、大数据分析等高密度计算领域,传统的通用处理器和专用集成电路难以满足高性能和高灵活性的双重需求。可重构处理器将指令流驱动处理器的功能灵活性和数据流驱动处理器的高能量效率结合在一起,因而在高密度计算领域受到了广泛关注。粗粒度可重构处理器以数据流为驱动,基于任务调度可重构阵列的计算过程,适合执行无控制分支和寻址模式规则的计算任务。课题组的异构多核系统面向高密度计算领域,其所集成的通
电磁超材料（Electromagnetic Metamaterial）是一种人工复合结构,能够实现各种超常物理特性。本文基于电磁超材料,结合3D打印技术实现了几款新型的电磁超材料吸波器（Metamaterial Absorber）和电磁超材料极化转换器（Metamaterial Polarization Converter）的设计与研究。主要研究内容为:1、基于多层平面结构开展了宽带交叉极化转换器
无设备定位（Device-free localization,DFL）系统因为比有设备定位（Device-enabled Localization,DEL）系统更便于投入使用而引起了广泛关注,并且基于指纹的定位方法通常被应用DFL系统中。尽管在基于指纹的定位方法中可以通过通道状态信息得到细粒度的信息,但是随着时间的变化环境也会产生相应的变化,这可能导致信道状态信息（Channel State In
宽带、多模式的无线通信系统在如今的信息时代中扮演着越来越重要的角色,其中,天线和滤波器是宽带无线通信系统中的关键器件。目前,平面电路和金属腔体是天线和滤波器使用的两种常见结构,平面电路在系统集成,轻量化等方面具有一定优势;而金属腔体则在低损耗,高功率容量,抗辐射干扰,抗老化方面有着难以替代的优势,因此一直是微波电路与天线领域的研究热点之一。本文基于腔体多模理论,面向滤波器的小型化需求和天线的宽带需
边缘检测是图像处理的关键技术之一,边缘信号的准确提取为后续的目标识别、目标追踪等技术提供了基础和保障。边缘检测算法经过多年的研究与发展变得越来越成熟,但同时程序执行的工作量也在不断攀升,使得程序处理时间增长,传统软件串行处理方式越来越无法满足实时处理的需求。在雾霾环境下用传统的边缘检测算法直接进行边缘提取时会出现大量边缘丢失的问题,针对这种情况,本文设计了一种结合图像增强的边缘检测算法,并利用FP
我国电力资源主要分布在西北、华北地区,而耗电量较大的省份集中分布在华东、华中地区。为满足工业互联网、5G等新技术的用电量需求,电力杆塔的架设越来越密集,随着电网规模的迅速扩大,对于输电线路跨区域的安全运行要求也越来越高。然而近年来频繁出现因电力杆塔倾斜、倒塌造成的电力事故,对电力系统的稳定运行造成了一定威胁。本文针对电力杆塔倾斜度的在线监测问题,研制了一种基于北斗的电力杆塔倾斜度监测装置,进行了大
随着信息化社会的高速发展,地面网络已经不能完全满足人们对通信服务的需求。卫星通信作为地面网络的补充和延伸,是实现全球无缝网络通信的重要组成部分。卫星通信具有建设速度快、不易受陆地灾害影响和保密性强等优点,在抗险救灾等场景中的作用无可替代。由于卫星资源稀缺,人们往往希望将卫星资源利用到极致。然而,大量用户接入同一卫星容易产生拥塞,因此急需解决用户终端对卫星的随机接入引起的拥塞问题。同步地球轨道（Ge