matlab精度检验代码基于EEG的情绪识别的3D-CNN模型
这是基于DEAP数据集的我的2019年冬季课程“模式识别”的最终项目。
我们通过CWT
(连续小波变换)对原始信号数据进行预处理,并采用3D-CNN架构作为分类器,“价”标签的准确性达到84.34%。
数据预处理
CWT分析去除基线,原始信号数据通过CWT转换为小波系数,然后进一步转换为小波能量(比例图)。
在此步骤中,我们将数据形状从32(通道)*
8064(采样点)转换为32
*
64(比例)*
7680(采样点)。
剪裁框接下来,我们将1s设置为帧长,因此在60s的视频中可以获取60帧。
每帧的形状为32(通道)*
64(比例)。
选择体重秤然后,我们计算了32个通道中所有64个音阶的平均EER。
并选择第8〜39个音阶以减少计算。
3D块我们选择几个连续的帧并将它们堆叠在一起作为3D块。
后来的实验证明3是最好的。
分类器:3D-CNN
网络架构如下。
关于代码和文件
我们使用matlab_preprocessed_data,它已从此存储库中排除。
运行“
cwt_process.m”以获取“
File_60fra
2021-06-14 10:25:17
346.65MB
系统开源
1