基于DEAP和MABHOB的二分类脑电情绪识别（深度神经网络和卷积神经网络）代码解析

2023-08-03 09:16:56 来源 : 哔哩哔哩

论文解析见个人主页：

（论文加源码）基于DEAP和MABHOB数据集的二分类脑电情绪识别（pytorch深度神经网络（DNN）和卷积神经网络（CNN））

论文和源码见个人主页：

(相关资料图)

论文加源码）基于DEAP和MABHOB数据集的二分类脑电情绪识别（pytorch深度神经网络（DNN）和卷积神经网络（CNN）

整体结构：

1. dataset文件夹，数据集处理部分：执行论文讲述第3节中详细说明的所有预处理步骤的脚本

prepare_：准备deap数据集

prepare_：准备mahnob数据集

：对输入EEG数据进行降维的实用函数。用于prepare 和prepare

2. nn文件夹，数据集、模型、训练程序的脚本和配置

：读取数据集，PyTorch的类，用于读取DEAP和MAHNOB中的示例。

：构建模型，PyTorch的DNN和CNN架构模型，详见论文讲述第4节

：包含train程序的代码

：启动train程序

：函数调用，包含在其他脚本中使用的实用程序函数。

configs：修改参数，包含模型、超参数、训练程序的YAML配置文件

3. statistical analysis文件夹：进行模型测试和结果分析，执行论文中使用的统计测试的脚本

5x2cv ：执行5x2交叉验证配对t检验（见论文第节）。

confidence ：计算第5节结果的置信区间。

kfold cross ：执行kfold的交叉验证。用于进行5x2cv测试，但也可以单独使用 mcnemar测试.py：对预训练的DNN和CNN模型进行

mcnemar ：对预训练的DNN和CNN模型进行McNemars测试（见论文第节）

4. pretrained models文件夹，保存好的预训练模型：

包含4个预训练模型（DEAP上的DNN、DEAP上CNN、MAHNOB上DNN、MAHNOB上CNN），其结果在第5节的第一部分。

部分代码截图：