一种基于层次化双向深度时序网络的情绪识别方法及系统

本发明公开了一种基于层次化双向深度时序网络的情绪识别方法及系统。本发明首先通过脑电采集设备采集受试者的脑电信号，并对采集到的信号进行降噪和特征提取，形成特征向量；其次对脑电信号的通道进行筛选，选择关键通道以减少冗余特征；然后构建层次化双向深度时序网络，通过双向时序建模层捕获全局时序依赖特征，并级联多层单向时序建模层分层提取情绪特征；最后将提取的情绪特征输入分类器进行情绪分类，输出情绪识别结果。本发明通过优化特征选择策略，筛选跨被试一致性通道，减少冗余特征；同时捕捉EEG信号的瞬态波动与长程情绪迁移；在保证高准确率的前提下，降低模型复杂度和计算资源消耗。