1. 功率谱密度（power spectral density,PSD） 2. 差异不对称（differential asymmetry,DASM） 3. 理性不对称（rational asymmetry,RASM） 4. 差异因果（differential caudality,DCAU） 5. 不对称（assymmetry,ASM） 6. 差分熵（differential entropy,DE）

本文提出了一种新的四维卷积递归神经网络方法，将多通道脑电信号的频率、空间和时间信息显式地整合在一起，提高基于脑电的情绪识别精度。 首先，为了保持脑电的这三种信息，我们将不同通道的差分熵特征转化为4D结构来训练深度模型。 然后，我们引入了由卷积神经网络(CNN)和带有长短时记忆(LSTM)细胞的递归神经网络(recurrent neural network)组合而成的CRNN模型。 使用CNN从每个4D输入的时间切片中学习频率和空间信息，使用LSTM从CNN输出中提取时间依赖性。 LSTM的最后一个节点的输出执行分类。 我们的模型在主题内分裂的SEED和DEAP数据集上都达到了最先进的性能。 实验结果表明，结合脑电的频率、空间和时间信息进行情感识别是有效的。

deap数据集情绪识别深度学习代码，这个项目中实现了一个单层和一个双层隐藏层，而且包含完整数据集。

deap 2.1软件分析过程及结果解释 大家可以更好地熟悉啊

基于DEAP数据集的特征提取———近似熵、排列熵、样本熵， 包含上述三个方法的python代码实现，全部在Jupyter Notebook上实现的。

做DEA模型，比如SBM-CCR,SBM-VRS,Malquist等

数据集使用的是DEAP数据集，情绪标签为平静态和压力态，总共270个样本，包含单个导联和多个导联分类

DEA软件包，包括DEA Excel Solver、DEAP 2.1、mydea各种版本及说明

GeneticAlgorithm：使用DEAP框架创建遗传算法，在考虑卡路里和食物种类的情况下创建理想的饮食

基于deap数据集的情绪识别代码，包含数据 文件夹是一份可运行的源码及数据集包含python和matlab格式 压缩包是deap数据集相关的源码