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
1