包含百度云链接，包含完整的DEAP脑电数据集，可用于脑电情绪识别等等

脑电电极通道的分布信息，包括10-20和10-10的所有信息，例如坐标，相对位置等等

基于deap数据集的脑电情绪识别，本文采用多种模型，包括gnn模型，并对脑电特征进行特征提取，构建了对应的边特征点特征

包含完整的SEED和DEAP的脑电数据集

deap数据分析程序

南洋理工大学，使用CNN对DEAP数据集进行训练，论文加代码

matlab投射转相除代码使用来自DEAP数据集的EEG进行人类情感分析 根据以下内容处理DEAP数据集 PSD（功率谱密度）和2）DWT（离散小波变换）功能。 根据Arousal和Valence（高/低）对EEG等级进行分类 在此处找到DEAP数据集：（您需要通过向授权人员发送邮件来下载以寻求许可） 可以使用matlab文件处理来自EEG的数据。 （适用于matlab版本的EEG数据集）将matlab文件直接保存在DEAP数据集文件夹中，数据位于该文件夹中。 运行process.m以获取功率谱密度文本文件 生成的每个testFile包含4个特征-alpha，beta，delta和theta波功率谱密度比（通过总psd归一化），分别表示价，唤醒和组合（价+声）的输出。 1->低，2->高 您可以在此处阅读有关脑电波的信息（概述）： 您可以在此处查看唤醒和价态及其含义的图表： 使用psd功能和KNN / SVM可能不会获得很好的准确性，因为它们主要只是人类头脑存在的一种度量。 DWT分析可帮助我们获得基于频率的psd之外的基于时间的功能。 运行dwt_feature_extraction

DEAP数据集 很少有关于使用eeg信号进行情感分析的数据集上的PyTorch实验，重点是建立生成对抗网络（ ）和条件GAN（ ）模型。

deap很好的数据说明，有利于专业人士借鉴，更好掌握分析方法

早期分类 使用DEAP数据集的基于EEG的情绪分类