一种基于时空多尺度注意力卷积神经网络的情绪识别方法

本发明公开了一种基于时空多尺度注意力卷积神经网络的情绪识别方法，包括：采集受试者的脑电图数据进行预处理得到包含空间维度和时间维度的脑电信号(Electroencephalogram，EEG)数据；构建包括双流时空特征构建层、混合注意力机制层、高阶融合层和分类层的轻量级卷积神经网络；其中，双流时空特征构建层包括时间特征提取模块以及并行的空间特征提取模块；混合注意力机制层结合了通道注意力机制、空间注意力机制和自注意力机制；高阶融合层，用于从学习到的全局卷积核到局部半球卷积核的表示中进行再学习；利用已训练的轻量级卷积神经网络对EEG数据进行识别，得到受试者的情绪识别结果。通过构建参数量较少的轻量级模型，提升脑电信号驱动的情绪识别的精度与效率。