本文為一個(gè)信號(hào)處理專題的課程項(xiàng)目，主要是基于人體腦電信號(hào)，通過使用深度學(xué)習(xí)，來快速精準(zhǔn)的識(shí)別被試的情緒。實(shí)驗(yàn)數(shù)據(jù)為私有數(shù)據(jù)集。情緒分為積極，中性，消極三種類別。該方法最后和傳統(tǒng)樸素貝葉斯，支持向量機(jī)，logistic回歸，決策樹和隨機(jī)森林分類器進(jìn)行比較。

1 加載主要庫函數(shù)

2 檢查EEG腦電信號(hào)和數(shù)據(jù)預(yù)處理

??

?2.1 繪制不同種類數(shù)據(jù)大小比例分布圖

??

?

2.2 顯示積極情緒的腦電信號(hào)

??

2.3 顯示消極情緒的腦電信號(hào)

?

?2.4 顯示中性情緒的腦電信號(hào)

?

?2.5 數(shù)據(jù)的預(yù)處理

?

??

3 搭建LSTM深度學(xué)習(xí)模型

3.1 定義模型的構(gòu)建函數(shù)

?

3.2 構(gòu)建模型

?

3.3 模型訓(xùn)練和測(cè)試

??

?

?3.4 使用confusion matrix 評(píng)估模型

?

?

?

?

5 繪制模型訓(xùn)練loss和準(zhǔn)確率

?

6 小結(jié)

本文使用了LSTM模型，在tensorflow開發(fā)環(huán)境，實(shí)現(xiàn)了EEG腦電情緒分類，并和傳統(tǒng)的方法進(jìn)行比較。

同步于CSDN