![](/images/graphics-bg.png)
Improved Deep Feature Learning by Synchronization Measurements for Multi-Channel EEG Emotion Recognition
المؤلفون المشاركون
Liu, Yongli
Chao, Hao
Dong, Liang
Lu, Baoyun
المصدر
العدد
المجلد 2020، العدد 2020 (31 ديسمبر/كانون الأول 2020)، ص ص. 1-15، 15ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2020-03-17
دولة النشر
مصر
عدد الصفحات
15
التخصصات الرئيسية
الملخص EN
Emotion recognition based on multichannel electroencephalogram (EEG) signals is a key research area in the field of affective computing.
Traditional methods extract EEG features from each channel based on extensive domain knowledge and ignore the spatial characteristics and global synchronization information across all channels.
This paper proposes a global feature extraction method that encapsulates the multichannel EEG signals into gray images.
The maximal information coefficient (MIC) for all channels was first measured.
Subsequently, an MIC matrix was constructed according to the electrode arrangement rules and represented by an MIC gray image.
Finally, a deep learning model designed with two principal component analysis convolutional layers and a nonlinear transformation operation extracted the spatial characteristics and global interchannel synchronization features from the constructed feature images, which were then input to support vector machines to perform the emotion recognition tasks.
Experiments were conducted on the benchmark dataset for emotion analysis using EEG, physiological, and video signals.
The experimental results demonstrated that the global synchronization features and spatial characteristics are beneficial for recognizing emotions and the proposed deep learning model effectively mines and utilizes the two salient features.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Chao, Hao& Dong, Liang& Liu, Yongli& Lu, Baoyun. 2020. Improved Deep Feature Learning by Synchronization Measurements for Multi-Channel EEG Emotion Recognition. Complexity،Vol. 2020, no. 2020, pp.1-15.
https://search.emarefa.net/detail/BIM-1143366
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Chao, Hao…[et al.]. Improved Deep Feature Learning by Synchronization Measurements for Multi-Channel EEG Emotion Recognition. Complexity No. 2020 (2020), pp.1-15.
https://search.emarefa.net/detail/BIM-1143366
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Chao, Hao& Dong, Liang& Liu, Yongli& Lu, Baoyun. Improved Deep Feature Learning by Synchronization Measurements for Multi-Channel EEG Emotion Recognition. Complexity. 2020. Vol. 2020, no. 2020, pp.1-15.
https://search.emarefa.net/detail/BIM-1143366
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1143366
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)