每篇文章都在主页可以看到
脑电方向的资源比较少,整理了自己用过的所有资源。都已经成功运行过了,保证可以成功运行。
都是基于DEAP和SEED数据集的脑电情绪识别源码
几乎每份代码都在csdn上简单介绍过。
目前一共52份(会一直更新)
尽可能的找到了一些论文的源码(一共21份)
材料虽然很多,还是希望能慢慢看,好好理解
最好是看有代码有论文的,一起对应着理解
每篇文章都在主页可以看到
有论文有源码的:
木有论文的:
带论文的脑电情绪识别源码:
基于DEAP数据集的脑电情绪识别:
1. (论文加源码)基于DEAP的脑电情绪识别(CNN,RNN和两种不同的注意力机制)六种模型做 对比,包含DE特征
2. (论文加源码)基于DEAP数据集的脑电情绪识别(基于FFT和CWT的CNN模型)
3. (论文加源码)(matlab代码)基于时频域特征分析和SVM分类器的DEAP脑电信号情感状态 识别(四分类)
4. (论文加代码)基于CNN和LSTM(提取了微分熵)的脑电情绪识别(数据集为DEAP和 seed)4D-CRNN
5. (论文加代码)基于连续卷积神经网络(CNN)提取脑电微分熵特征的DEAP脑电情绪识别
6. (论文加源码)基于deap的脑电情绪识别cnn和lstm作对比
7. (论文加源码)基于deap的脑电情绪识别cnn和lstm作对比改进版本
8. (论文加源码)基于deap的四分类脑电情绪识别(1DCNN+LSTM和1DCNN+GRU)
9. (论文加源码)基于自动编码器和LSTM的脑电情感识别(数据集为DEAP)提取了功率谱密 度,并进行了无编码和SVM的对比实验。
10.(论文加代码)基于deap数据集的脑电情绪识别(二分类改为八分类)
11.(论文加源码)通过构建脑图基于DEAP的情绪识别多任务CNN模型(提取了功率谱密度psd和 微分熵DE)
12.(论文加源码)(matlab)基于时频域特征分析和SVM分类器的DEAP脑电信号情感状态识别(四分类)
13.(论文和源码)基于DEAP的实时脑电情绪分类系统
14.(论文加源码)RNN和CNN结合的特征融合(数据集为seed、deap、seed-iv)
15.(论文加源码)基于多尺度卷积神经网络的脑电情绪识别
16.(论文加源码)基于deap数据集的transformer结合注意力机制脑电情绪识别
17.(论文加源码)基于DEAP的脑电情绪识别(四分类)(数据增强和扩充)(五种模型作对比:一维 CNN,LSTM和二维和三维 CNN和带有LSTM的级联CNN)
18.(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))
19.(论文加源码)基于DEAP脑电数据集的脑电情绪识别(利用生成对抗性网络进行特征提取和数据扩充)
基于SEED数据集的脑电情绪识别:
1. (论文加代码)基于CNN和LSTM(提取了微分熵)的脑电情绪识别(数据集为DEAP和 seed) 4D-CRNN
2. (论文加代码)基于改进循环神经网络(提取了功率谱密度和微分熵)的脑电情绪识别(三分 类)
不带论文的脑电情绪识别源码:
基于DEAP数据集的脑电情绪识别算法:
1. CNN正确率90(CNN+LSTM及四种普通模型)脑电情绪识别
2. CNN正确率70多
3. knn_deap
4. (实验文档和源码)自己设计的脑电情绪识别程序
5. 基于生成对抗网络GAN和cGAN的脑电情绪识别(pytorch)
6. 对deap数据集进行脑电情绪识别并进行频谱分析(频域特征)
7. 脑电情绪识别所用到深度学习模型 EEG models(BiGRU,lstm,cnn,gcn,dnn,rnn)
8.(deap)利用傅里叶变换和SVM KNN 决策树三个模型进行二分类
9.(deap)基于机器学习的DEAP脑电情绪识别(包含离散小波变换信号处理代码)
10. 基于DEAP的脑电情绪识别(四分类)(数据增强和扩充)(五种模型作对比:一维 CNN,LSTM和二维和三维 CNN和带有LSTM的级联CNN)
11. 基于deap数据集的脑电情绪识别(2DCNN和LSTM)代码很基础
12. DEAP-1D-CNN
13. 基于deap的脑电情绪识别(支持矢量机、随机森林、人工神经网络)
14. 基于deap的早期脑电情绪识别分类
15. 监督学习(支持向量机和K最近邻)DEAP
16. DEAP的特征提取-近似熵、排列熵、样本熵(python)
17. 基于deap的脑电情绪识别(一维卷积提取频域特征(四分类))
18. 基于CNN的多目标进化算法选择的人类情绪与脑电图通道的二维区分(tensorflow)
19. eeg-gnn-ssl脑电情绪识别 图卷积
20. pyeeg安装包
21. 脑电电极位置 适用于deap数据集
22. (matlab)脑电处理有用的特征提取算法
23. (matlab)计算deap的各种特征(功率谱密度,差分熵,差异不对称性,理性不对称等)
24. (matlab和python)用于提取DE(微分熵特征)和PSD(功率谱密度特征)特征的matlab和python代码
25. (matlab)提取PSD(功率谱密度特征)特征和DWT(离散小波变换)对deap进行分类的完整代码
26 . 基于DEAP的脑电情绪识别(CNN和LSTM对比)
27 . 基于DEAP的脑电情绪识别(模型为SVM,KNN和决策树,随机森林)完整代码
基于SEED数据集的脑电情绪识别算法:
1. 机器学习的五种模型seed脑电情绪识别
2. (SEED)(pytorch)脑电情绪识别(svm和cnn)
3. (SEED)(svm)脑电情绪识别
4. (SEED)脑电情绪识别(cnn rnn 混合)
每篇文章都在主页可以看到