
-
生物通官微
陪你抓住生命科技
跳动的脉搏
关于基于脑信号的情绪识别预测模型
《Scientific Reports》:On the prediction models for brain signal-based emotion recognition
【字体: 大 中 小 】 时间:2026年04月23日 来源:Scientific Reports 3.9
编辑推荐:
摘要 本文分析了导致基于脑电图(EEG)的情绪识别系统在依赖被试与不依赖被试的情况下性能差异的因素。为了实现这一目标,本研究使用了两个基准数据集(DEAP和SEED),并对比了多种经典机器学习算法(KNN、
本文分析了导致基于脑电图(EEG)的情绪识别系统在依赖被试与不依赖被试的情况下性能差异的因素。为了实现这一目标,本研究使用了两个基准数据集(DEAP和SEED),并对比了多种经典机器学习算法(KNN、随机森林、线性判别分析)以及深度学习模型(如CNN和EEGNet)。在跨被试评估中,CNN在SEED数据集上取得了84%的最高准确率。为了解释这些结果,本文采用了可解释人工智能(XAI)技术中的SHAP(Shapley Additive Explanations)值,以识别最具影响力的EEG特征和频段。这一分析不仅突出了影响模型决策的关键因素,还揭示了在不受被试影响的情况下导致性能下降的特征级不一致性。这项诊断性研究为当前方法的局限性提供了宝贵的见解,并强调了可解释性在开发稳健的基于EEG的情绪识别系统中的重要性。
生物通微信公众号