MSBiLSTM-Attention情绪识别模型
99.5%跨被试准确
基于多尺度卷积与双向LSTM的时空特征融合，无需人工预处理，直接处理原始EEG信号，实现高精度情绪分类。
马亚红 · Zhentao, Huang · Yuyao, Yang · Qi, Dong · 张善文 · Li, Yuan
Biomimetics 2025
参数信息
- 三分类准确率（单次验证）
- 99.44 %
- 四分类准确率（单次验证）
- 99.85 %
- 三分类平均准确率（10折交叉验证）
- 99.49 %
- 四分类平均准确率（10折交叉验证）
- 99.70 %
技术优势
无需人工预处理
模型直接使用原始EEG数据，自动提取和融合特征，省去人工设计特征的步骤。
时空特征自动融合
多尺度CNN捕获空间信息，双向LSTM捕获时间依赖，注意力机制筛选关键特征，实现全面特征表示。
高精度识别
在SEED数据集上，模型达到99.44%和99.85%的单次验证准确率，接近满分的性能。
应用场景
- 情感脑机接口：为情绪识别提供高精度模型，解码脑电信号中的情绪状态。
- 情绪监测可穿戴设备：自动提取特征，适合部署在可穿戴设备上实时监测情绪。
- 人机交互情感计算：提升人机交互中的情感理解能力，无需人工预处理。
- 机器人情感感知：可直接处理原始EEG，为机器人提供情绪感知模块。