计算机应用研究

作者：侯玲悦,李小霞,史旭阳,谢治强,周颖玥,

单位：1.西南科技大学a.信息与控制工程学院;b.医学院;c.互联网健康服务融合四川省工程研究中心,四川绵阳621010；2.四川天府新区创新研究院,成都610229；

关键词：情绪识别,脑电信号,异构信息密度,对偶学习,特征融合,可视化,

基金：国家自然科学基金项目(62572406)；四川省科技计划资助项目(2024NSFSC2040,2025ZNSFSC0454)；物理场生物效应及仪器四川省高校重点实验室开放课题(2023-BMEKF-002)；西南科技大学博士基金资助项目(23zx7136)；；

针对脑电信号多频段信息的交互和整合不足、单一的特征提取方法导致多分类识别精度低，以及难以同时捕捉信号的全局特征和局部细节的问题，提出了一种基于异构信息密度可视化的双流互补特征情绪识别网络（HIDV-DSCF-ENet）。首先，提出异构信息密度可视化方法，将预处理后的多频段脑电信号转换为两种信息密度互补的可视化图片：高密度信息采用RGBA四通道编码的跨频段耦合信息和频谱交互特征，低密度信息采用灰度单通道编码的频段内本质结构特征。然后设计非对称双流特征提取结构，分别处理高密度信息的交互语义特征和低密度信息的判别性结构特征。最后，设计基于对偶学习机制的异构特征交互函数，学习两种信息密度间的互补特性，实现异构特征融合。在DEAP数据集上的实验表明，所提方法在基于效价-唤醒标签的4类情绪识别及效价-唤醒-支配标签的8类情绪识别中分别实现了98.17%和97.88%的准确率，优于现有其他方法，为脑电情绪识别研究提供了新的思路。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期