信号处理--基于EEG脑电信号深度学习情绪分类 （同步）

本文为一个信号处理专题的课程项目，主要是基于人体脑电信号，通过使用深度学习，来快速精准的识别被试的情绪。实验数据为私有数据集。情绪分为积极，中性，消极三种类别。该方法最后和传统朴素贝叶斯，支持向量机，logistic回归，决策树和随机森林分类器进行比较。

1 加载主要库函数

2 检查EEG脑电信号和数据预处理

 2.1 绘制不同种类数据大小比例分布图

2.2 显示积极情绪的脑电信号

2.3 显示消极情绪的脑电信号

 2.4 显示中性情绪的脑电信号

 2.5 数据的预处理

3 搭建LSTM深度学习模型

3.1 定义模型的构建函数

3.2 构建模型

3.3 模型训练和测试

 3.4 使用confusion matrix 评估模型

5 绘制模型训练loss和准确率

6 小结

本文使用了LSTM模型，在tensorflow开发环境，实现了EEG脑电情绪分类，并和传统的方法进行比较。

同步于CSDN