脑电综述笔记

一.数据集

        DEAP

        SEED

二.模型输入数据的选择

        1.EEG传统特征

                1）时域与频域特征

                2）时频域特征

                3）非线性动力学特征

        2.EEG原始信号

        3.多模态融合特征

三.情感识别模型的构建

        CNN、RNN、DBN、混合网络模型

四.改进方向

（１） 模型的泛化能力没有得到验证。 目前的研究大都针对单个数据集，没有在多个数据集上进行验证。

（２） 尚无最适算法。 虽然当前研究已经取得良好的分类效果，但从实际应用需求的角度出发仍需建立普适性的算法模型。

（３） 模型缺乏实时性。 现有模型参数量庞大，运算时间较长，很难做到识别的实时性。

（４） ＥＥＧ 信号的差异性。 ＥＧＧ 信号不仅具有个体差异性，而且由于脑电设备通道数和采样频率的不同，不同设备采集的 ＥＥＧ 信号在数据格式上有较大差异，不利于模型特别是以手工特征作为输入的模型的推广。

综上所述，后续研究应以增强模型的泛化能力和计算效率为主要目标。