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

Multitask-Emotion-Recognition-with-Incomplete-Labels试讲（一小部分项目配置）.avi

亲测可用了，pyqt5+keras。大家在下载完成之后需要安装的库： keras 2.2.4 PyQt5 5.11.3 pandas 0.24.2 scikit-learn 0.21.2 tensorflow 1.13.1 imutils 0.5.2 opencv-python 4.10.25 安装完成后可以直接运行runMain.py

Feature Optimization of Speech Emotion Recognition