文件比较大，2.71G，需要的自己下载，这里只有网盘链接，提取码要下载 https://pan.baidu.com/s/1Ow0ZMYwdGFLndPh_qKvuPQ

数据集和相关代码都有，有些已经运行过，还有对应的论文。

EEG-Emotion-classification-master_merelyts3_said63o_songc4x_DEAP情绪识别_DEAP数据集下载_源码.rar

自行整理的Deap脑电数据集，已上传百度网盘，欢迎有需要的朋友下载，如失效请联系。 这些文件包含Matlab中数据的下采样（至128Hz）、预处理和分段版本（数据预处理）_matlab.zip文件)和pickled python/numpy（数据预处理）_python.zip文件)格式。这个版本的数据非常适合那些希望快速测试分类或回归技术而不需要首先处理所有数据的人。每个zip文件包含32个.dat（python）或.mat（matlab）文件，每个参与者一个。

针对基于DEAP数据集，进行了ANN、CNN、LSTM模型对比。 含有处理好的数据集和源代码。

TSception-新 这是本文中使用数据集的TSception的PyTorch实现： 丁丁，Neethu Robinson，曾秋豪，关存泰，“ TSception：从EEG捕获时间动态和空间不对称性以进行情感识别”， IEEE情感计算交易评论，可在获取。 它是一个端到端的多尺度卷积神经网络，可以从原始EEG信号中进行分类。 可以在找到TSception（IJCNN'20）的早期版本 准备python虚拟环境 请通过以下方式创建anaconda虚拟环境： $ conda create --name TSception 通过以下方式激活虚拟环境： $ conda激活TSception 通过以下方式安装要求： $ pip3 install -r requirements.txt 运行代码 请下载DEAP数据集。 请将“ data_preprocessed_python”文件夹放置

很少有用生成对抗网络（GAN）来进行DEAP的脑电情绪识别。重点是构建生成对抗网络（GAN）和条件生成对抗网络（CGAN）模型。采用的是Pytorch深度学习框架。

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。

DEAP数据集自动情感识别 该项目使用来自DEAP数据集的EEG信号，使用集成的一维CNN，LSTM和2D，3D CNN以及带有LSTM的级联CNN将情绪分为4类。

使用DEAP数据集中记录的EEG信号对情绪进行分类，以使用机器学习算法（如支持向量机和K - 最近邻）实现高精度得分。 1）将数据集存储在文件夹中 - > data/ 2）运行 runFile.py 文件