结合FCM和GC分析构建脑网络的EEG情感识别.pdfVIP

第55卷第4期太原理工大学学报Vol.55No.4

2024年7月JOURNALOFTAIYUANUNIVERSITYOFTECHNOLOGYJul.2024

引文格式：闫超，张雪英，张静，等.结合FCM和GC分析构建脑网络的EEG情感识别[J].太原理工大学学报，2024，55

(4):727-733.

YANChao,ZHANGXueying,ZHANGJing,etal.EEGemotionrecognitionbasedonbrainnetworkconstructed

byfuzzycognitivemapandgrangercausalityanalysis[J.JournalofTaiyuanUniversityofTechnology,2024,55

(4):727-733.

结合FCM和GC分析构建脑网络的EEG情感识别

长静，陈桂军，孙颖，黄丽霞

闫超，张雪英，张

（太原理工大学信息与计算机学院，太原030024）

摘要：【目的】脑电情感识别中格兰杰因果(GC)分析构建脑网络时没有考虑各节点间协同

交互作用的问题。提出一种结合模糊认知图（FCM)和GC分析构建脑网络的方法。【方法】首先

基于FCM的结构与GC脑网络的对应性，利用FCM多节点间的因果属性对GC脑网络进行建模

改进，构建了FCM-GC脑网络，考虑了多节点间的协同交互作用；进一步，为使FCM与GC脑网络

深度融合，将EEG电极通道的空间位置信息加入到FCM训练中，构建了新的IFCM-GC脑网络。

【结果】基于DEAP情感脑电数据库，提取IFCM-GC脑网络特征，使用支持向量机为识别模型，在

效价维和激励维的平均识别率分别达到了97.10%和97.00%，比现有对格兰杰因果特征改进的研

究提升8%以上。采用该方法构建的GC脑网络，考虑了多节点间的协同交互作用，有效提升了情

感识别系统的性能。

关键词：脑电情感识别；格兰杰因果分析；模糊认知图；支持向量机

中图分类号：TP391文献标识码：A

D0I:10.16355/j.tyut.1007-9432文章编号：1007-9432(2024)04-0727-07

EEGEmotionRecognitionBasedonBrainNetworkConstructedbyFuzzy

CognitiveMapandGrangerCausalityAnalysis

YANChao,ZHANGXueying,ZHANGJing,CHENGuijun,SUNYing,HUANGLixia

(CollegeofInformationandComputer,TaiyuanUniversityofTechnology,Taiyuan030024,China)

Abstract:[PurposesAimingattheproblemthatGrangerCausality(GC)analysisinEEGe-

motionrecognitiondoesnotconsidertheinteractionbetweennodeswhenconstructingbrainnet-

work,amethodofconstructingbrainnetworkbycombiningfuzzycognitivemap(FCM)andGC

analysisisproposed.[Methods]First,onthebasisofthecorrespondencebetweenthestructure

ofFCMandGCbrainnetwork,theGCbrainnetworkismodeled