deap

探索基于深度学习的脑电数据集中情绪识别的二分类算法。

算法实现分为三个步骤：数据快速傅里叶变换（FFT）、数据预处理以及模型处理。

选取的模型包括：决策树、支持向量机（SVM）、K近邻算法（KNN）。这些模型易于调用库，适合新手上手。

在个人主页上提供代码：脑电情绪识别二分类算法。

数据预处理包括：

1.数据序列快速傅里叶变换。

2.标签处理，将四个维度分为低和高，进行编码，以便后续处理。

3.分类标准设定，将四个维度分别划分为 悲伤 和 快乐 ； 平静 和 激动 ； 服从 和 主导 ； 不喜欢 和 喜欢 。

4.数据归一化，以优化模型性能。

模型处理阶段，具体包括：

1.决策树模型。

2.SVM模型。

3.KNN模型。

最终结果通常表现较好，适应二分类任务。

代码源可在个人主页获取：脑电情绪识别二分类算法。