软件学报

作者：李锦瑶，杜肖兵，朱志亮，邓小明，马翠霞，王宏安

单位：李锦瑶，中国科学院大学 计算机科学与技术学院, 北京 100049;计算机科学国家重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所 人机交互北京市重点实验室, 北京 10019011,杜肖兵，中国科学院大学 计算机科学与技术学院, 北京 100049;计算机科学国家重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所 人机交互北京市重点实验室, 北京 10019002,朱志亮，计算机科学国家重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所 人机交互北京市重点实验室, 北京 100190;华东交通大学 软件学院, 江西 南昌 33001303,邓小明，计算机科学国家重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所 人机交互北京市重点实验室, 北京 10019004,马翠霞，中国科学院大学 计算机科学与技术学院, 北京 100049;计算机科学国家重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所 人机交互北京市重点实验室, 北京 10019005,王宏安，中国科学院大学 计算机科学与技术学院, 北京 100049;计算机科学国家重点实验室 (中国科学院 软件研究所), 北京 100190;中国科学院 软件研究所 人机交互北京市重点实验室, 北京 10019006

关键词：脑电信号;情绪识别;深度学习;特征提取

基金：北京市自然科学基金(4212029); 国家自然科学基金(61872346); 2019年牛顿奖中国奖(NP2PB/100047); 中国博士后科学基金(2020M680697); 江西省青年科学基金(20202BABL212006)

情绪是情感的外在体现, 影响人类的认知、感知、理性决策等日常活动. 情绪识别作为实现计算机全面智能的一项基础任务, 在情感计算和人机交互领域被深入研究和广泛应用. 相比面部表情、语音或其他生理信号, 利用脑电进行情绪识别具有时间分辨率高、成本低、识别效果好、可靠性高的优势. 近年来, 越来越多的深度学习框架被应用于基于脑电信号的情绪识别, 并取得了比传统机器学习方法更加优异的效果. 基于深度脑电特征的情绪识别是当前的研究热点之一, 也具有一定的挑战性. 目前, 可供参考的针对此研究热点的综述文献较少. 对近年来国内外相关文献进行调研分析, 从模型输入、深度框架、实验设置、实验结果等方面对深度学习在基于脑电的情绪识别中的应用研究做了总结概况, 并在DEAP和SEED这两个公开的脑电-情绪数据集上对具有代表性的方法进行了定性和定量的多方面对比, 分析和总结这些方法的不足, 同时也对未来可能的研究方向进行了展望.

来源：2023年第1期

《软件学报》期刊编辑部

查看软件学报杂志2023年第1期