摘要
情感识别是情感计算（Affective Computing）与人机交互领域中的一个重要研究问题。近年来，多种机器学习模型在情感识别领域取得了显著进展。本文提出了一种基于脑电图（EEG）的情感识别框架，采用多层感知机（Multi Layer Perceptron, MLP）作为分类模型。通过功率谱密度（Power Spectral Density, PSD）特征对情绪进行量化，以效价—唤醒度（valence-arousal）二维量表表征情绪状态，并利用MLP进行分类。同时，采用遗传算法（Genetic Algorithm）对MLP的网络结构进行优化。实验结果表明，所提出的模型在以下两个任务中均取得了优异性能：a）二分类任务中，识别低/高效价情绪的平均准确率达到91.10%，识别低/高唤醒情绪的平均准确率为91.02%；b）四分类任务中，对高效价-低唤醒（HVLA）、高效价-高唤醒（HVHA）、低效价-低唤醒（LVLA）和低效价-高唤醒（LVHA）四类情绪的识别准确率达到83.52%。与现有文献中的研究成果相比，本文所提出方法的性能表现更优。