电科大软件学院本科生在多媒体领域顶级会议ACM MM发表论文

近年来，基于EEG（脑电信 ）情感识别已广泛应用于人机交互和医疗保健等领域。尽管以深度学习和EEG矩阵输入形式为主的传统方法已经取得了令人鼓舞的结果，但这些方法还存在两个问题：一是EEG矩阵仍然存在大量未利用的空缺通道，无法正确保持EEG在特定邻域的一致性，影响了相邻通道间的空间特征提取；二是忽略了大脑的功能对称特征，而这些特征通常也包含与情感相关的显著信息。

为了更好解决这些问题，该论文提出了一种用于EEG特征提取和情感识别的空间折叠集成 络（SFENet）。对于脑电电极之间的未检测区域，采用改进的Bicubic-EEG插值算法来复原脑电通道信息，这使 络能够提取更广泛的相邻空间特征。该论文也受人脑空间对称机制的启发，使用五种不同的策略折叠输入EEG通道数据，使所提出的 络能够更有效地提取脑电信 的空间对称特征信息。最后采用基于3DCNN的空间和时间提取以及集成学习的多投票策略构建新的人工神经 络模型，实现提取和识别这些EEG特征信息。

该SFE-Net 络可以更好地保持相邻通道之间的原始邻接关系，并缩短对称通道之间的物理距离，可以更加有效地提取EEG的空间相邻和对称特征，极大提高了特征识别的鲁棒性和准确性，为脑机接口提供了更可靠的工具。同时，该论文对于领域常见的EEG通道矩阵进行了重要优化，研究成果具备较为广泛的适用性。论文在两个公开数据集上进行了完备的实验，充分证实了SFE-Net的表现优于目前存在的算法。

根据中国计算机学会（CCF）评级，ACM MM属于A类国际会议，其收录的论文代表了多媒体的创新技术与重大成果，是该领域学术研究与行业发展的风向标。

邓翔文是信息与软件工程学院2018级数字动漫方向本科生。他从大二进入学院的中医知识与数据工程实验室，并在杨尚明副教授、刘勇国教授、李巧勤副教授的指导下，致力于情绪识别方向的研究。软件学院大力开展“本科生进实验室”活动，为本科生开展科学研究提供平台和支持，更好地培养具备科研能力和工程能力的高素质人才。