(论文加源码)基于DEAP数据集的脑电情绪识别(基于FFT和CWT的CNN模型)

上传者: 45874683 | 上传时间: 2022-04-06 03:11:49 | 文件大小: 3.23MB | 文件类型: ZIP
运行了几个机器学习模型,根据DEAP数据集对4种维度的情绪进行分类:唤醒、效价、喜欢/不喜欢和支配。使用了两种类型的特征提取工具:快速傅立叶变换(FFT)和连续小波变换(CWT),并比较了它们在情绪分类任务中的结果。 将FFT和CWT分别结合CNN,并进行对比,最终与普通的机器学习模型做对比, 本项目实现了: 1. 模拟和实验模型设置的细节,以及详细介绍了使用的超参数,并介绍了所有模型的细节。 2. 介绍并讨论从运行FFT和CWT特征提取算法的模型中获得的结果,以及与其他最先进(SOTA)模型的比较。 3. 总结报告,并讨论了未来在脑电信号处理领域中使用深度学习技术来缓解数据非平稳性的工作。还将讨论处理EEG信号的其他方法。

文件下载

资源详情

[{"title":"( 4 个子文件 3.23MB ) (论文加源码)基于DEAP数据集的脑电情绪识别(基于FFT和CWT的CNN模型)","children":[{"title":"(论文加源码)基于FFT和CWT的cnn","children":[{"title":"Research Report.pdf <span style='color:#111;'> 1.88MB </span>","children":null,"spread":false},{"title":"K fold for Other Classes.ipynb <span style='color:#111;'> 1.78MB </span>","children":null,"spread":false},{"title":"K fold Cross Validation Code.ipynb <span style='color:#111;'> 725.11KB </span>","children":null,"spread":false},{"title":"CWT Model for EEG Emotion Classification.ipynb <span style='color:#111;'> 659.78KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明