简介面向计算机相关专业学生的一份基于SEED数据集的EEG情绪识别系统Python实现以课程设计形式呈现适配期末大作业或项目实战演练场景。压缩包共18个文件、10.69MB主要包含4个py算法源码、7个xml工程配置文件、多个md/txt说明文档与docx设计报告。源码覆盖数据读取、de_LDS_SVM与raw_eeg_CNN两条模型路线附CNN与SVM结果记录和说明文档便于复现与二次改造。设计报告经导师指导并获得96.5分审核流程完整可直接作为课程设计参考。目前已有97人学习该资源适合需要完整参考对象的学生使用也适合在基础代码上扩展其他情绪识别功能。1. SEED数据集EEG情绪识别系统从论文到可跑通的Python项目拿到一份“SEED数据集EEG情绪识别系统python源码及报告”的项目包大概率意味着你要进入脑电信号处理与情绪识别这个领域。这里核心任务不玄学基于上海交通大学的SEED数据集用Python完成从EEG信号读取、去噪、特征提取到情绪三分类的完整流程最后输出可复现的实验报告。我见过不少新手拿到这类代码包时只关心环境能否跑通、准确率好不好看却忽略了数据切分和预处理是否严谨——这两点恰好决定准确率是真本事还是数据泄露带来的假象。这个方向适合两类人一是准备毕设或论文开题的本科生和研究生二是想在情绪识别上快速验证想法的算法工程师前提是你愿意接受EEG的高噪声和实验设计里的各种坑。2. 源码包与环境搭建打开zip之后先做三件事2.1 检查代码包的文件布局一个规范的SEED情绪识别项目zip根部通常有data、src、configs、report和requirements.txt。data目录大概率是空的因为原始EEG数据需要单独下载代码包里最多放一个样例片段。先把src下面的文件名列出来看有没有data_loader、preprocess、features、models和train这几个模块没有的话也别急可能源码用notebook形式组织但你要确保最后能找到一个统一的入口脚本而不是从第一个cell一路点到最后一个才勉强出结果。SEED_emotion_project/ ├── data/ ├── src/ │ ├── data_loader.py │ ├── preprocess.py │ ├── features.py │ ├── models.py │ └── train.py ├── configs/ ├── report/ └── requirements.txt拿到包先花十分钟理清这个结构比直接运行train.py更有价值。很多公开的科研代码包其实只保证作者本人环境能跑换一台机器就暴露出路径写死、缺依赖、数据格式假设过死等问题。所以别急着双击运行先把入口脚本里import了哪些模块、数据从哪里读、结果往哪里写这三个问题搞清楚。2.2 Python环境配置从依赖安装到VSCode解释器SEED数据读取和特征计算主要依赖NumPy、SciPy和scikit-learn深度学习部分则要看源码用的是PyTorch还是TensorFlow。建议先用requirements.txt统一安装实在没有这个文件才手动装。创建虚拟环境并安装依赖的命令如下python -m venv seed_env source seed_env/bin/activate # Windows下用 seed_env\Scripts\activate pip install --upgrade pip # 核心数值与信号处理包 pip install numpy scipy scikit-learn matplotlib mat4py # 深度学习框架二选一 pip install torch torchvision torchaudio # 如果源码是TensorFlow后端 # pip install tensorflow依赖装完先把scipy.io和mat4py都试一遍确认哪个能打开你的SEED mat文件。SEED早期版本是v5格式scipy.io.loadmat可以解析部分新发布的子集用了v7.3格式需要h5py处理。如果你用VSCode开发在命令面板里选择刚才创建的seed_env解释器路径避免终端与IDE环境不一致造成的ModuleNotFoundError。这一步常见但重要很多人在终端里装好了包VSCode里却依然飘红。2.3 数据路径修改与首次运行源码包默认硬编码的数据路径几乎不可能与你本机一致打开data_loader.py把DATA_ROOT改成实际路径然后先跑一次数据加载脚本确认能打印出trial数量。如果源码用相对路径务必在项目根目录运行train.py而不是进到src里运行否则所有相对路径都会失效。首次运行建议只加载1个被试的1个session验证数据流是否通畅——SEED完整数据加载加预处理可能耗时半小时以上盲目全量跑只会中途报错然后从头再来。# data_loader.py 中修改路径 DATA_ROOT /mnt/data/SEED # 改成你的真实数据目录 SAVE_ROOT ./output # 特征缓存和模型输出目录修改路径后先执行加载函数打印出数据形状和标签集合。如果这一步报错不要急着查网络模型先看是文件没找到、格式解析失败还是字段名对不上。数据能正常读出来整个项目就跑通了一半剩下的是计算和训练问题。提示不少源码包会做特征缓存运行后在output目录生成npy文件。第二次运行报缓存找不到时多半是当前工作目录不对或缓存目录无写权限调整路径即可不用重建环境。3. SEED数据读取与EEG去噪mat文件解析、滤波和切片3.1 解析SEED原始数据结构SEED的mat文件用loadmat读取后是一个嵌套struct外层是实验session内层是被试的trial数据。读取时最关键的两个字段是trial_start和trial_end它们标记每个情绪片段在连续EEG流中的起止采样点。注意这个起止是按全局采样点计的不是相对trial的偏移切片前不要自作主张减起点。用scipy.io读取的参考代码import scipy.io as sio def load_seed_mat(mat_path): raw sio.loadmat(mat_path, squeeze_meTrue, struct_as_recordFalse) keys [k for k in raw.keys() if not k.startswith(__)] print(mat文件包含的变量, keys) return rawsqueeze_meTrue会把单元素的数组维度压掉配合struct_as_recordFalse可以按属性名访问结构体成员。读取后先打印变量名不要假设所有版本命名相同——有的版本把标签存在单独label.mat里与EEG数据分离。如果看到变量里包含label字段顺带检查它的取值集合是不是{0,1,2}或{-1,0,1}这对后面的标签对齐很关键。接下来按trial切分EEGdef extract_trials(raw, trial_starttrial_start, trial_endtrial_end): eeg raw[eeg_data] # shape: (channel, total_samples) starts raw[trial_start].flatten().astype(int) ends raw[trial_end].flatten().astype(int) trials [] for i in range(len(starts)): seg eeg[:, starts[i]:ends[i]] if seg.shape[1] 0: trials.append(seg) return trials这一步把连续脑电流切成一个个trialSEED原始版本每个session的trial数量以你下载到的版本为准常见在15个左右每个trial时长从2到4分钟不等。切完建议打印每个trial的采样点数检查是否有长度为0的段。实践中我遇到过end索引越界的情况原因是某版本mat里的ends在最后多了一个等于总长度的哨兵值切片后是空数组代码里加一个判空即可吞掉这种边界。3.2 EEG去噪带通滤波、50Hz陷波与信号质量检查原始SEED数据里有基线漂移、肌电噪声和50Hz工频干扰过滤不好后续特征提取会被假信号主导。最常见做法是0.1~50Hz带通加50Hz陷波用SciPy实现如下from scipy.signal import butter, filtfilt, iirnotch def preprocess_eeg(trial_data, fs1000): trial_data trial_data - trial_data.mean(axis-1, keepdimsTrue) # 0.1 - 50 Hz 带通滤波 b, a butter(4, [0.1, 50], btypebandpass, fsfs) filtered filtfilt(b, a, trial_data) # 50 Hz 工频陷波 nb, na iirnotch(50, Q30, fsfs) filtered filtfilt(nb, na, filtered) return filtered.astype(np.float32)filtfilt是零相位滤波不会产生相位偏移这对DE特征计算尤为重要butter阶数不要超过4再高容易在滤波后产生震荡。如果发现信号尾部出现明显振铃把order降到2或3或者换用sos参数形式重新设计滤波器。想进一步去除眼电伪迹可以用MNE库的ICA模块但至少先把带通和陷波做了这两个基础去噪步骤能去掉大部分可观测的噪声。3.3 滑窗切片与标签对齐trial持续2~4分钟直接整段送进分类器不合理。常见做法是1秒窗加50%重叠滑窗以1000Hz采样率计算每个窗口1000个采样点def sliding_window(data, win_len1000, step500): n_channels, n_samples data.shape windows [] start 0 while start win_len n_samples: windows.append(data[:, start:start win_len]) start step return np.stack(windows)窗口长度和步长直接决定样本数量与特征粒度。1秒窗是SEED基准实验最常用配置如果你打算接入深度学习模型5秒窗能提供更好上下文但样本量会骤减需要根据训练集大小权衡。窗口切完标签按原trial的情绪类别复制给该trial的所有窗口不需要额外对齐。这里最容易出错的是尾部不满一个窗口的数据——直接丢弃不要补零补零会稀释分类器对真实信号的判别力。建议把样本数和对应标签打印成两个数字做交叉验证确认数据量与预期窗口数一致。4. 情绪识别系统核心DE特征提取与模型搭建4.1 微分熵特征的计算原理SEED相关论文里出现最多的特征是微分熵DE。它是香农熵在连续随机变量上的推广对EEG频段信号做高斯假设后计算公式简化为DE (1/2) * log(2πeσ²)σ²是该频段信号的方差。对数函数的存在让DE对幅值变化不敏感更能捕捉情绪状态下脑电频谱能量分布的差异。计算时把每个窗口信号分解到5个频段δ(1-3Hz)、θ(4-7Hz)、α(8-13Hz)、β(14-29Hz)、γ(30-45Hz)对每个频段分别求方差再代入公式。62通道×5频段得到310维特征这是SEED系统最经典的特征维度。4.2 用Python实现DE特征提取BANDS { delta: (1, 3), theta: (4, 7), alpha: (8, 13), beta: (14, 29), gamma: (30, 45), } def compute_de_feature(window, fs1000): n_channels window.shape[0] feats [] for ch in range(n_channels): for lo, hi in BANDS.values(): b, a butter(4, [lo, hi], btypebandpass, fsfs) filtered filtfilt(b, a, window[ch]) variance np.var(filtered) de 0.5 * np.log(2 * np.pi * np.e * variance) feats.append(de) return np.array(feats)这段代码在每个通道内遍历5个频段对每个频段重新滤波后计算方差和DE。这里有个容易忽略的细节用np.e而不是math.e两者数值相同但np.e在循环中不需要反复导入模块性能略好。方差为0的通道会得到-inf必须在计算前清洗全零通道或死电极通道否则训练时会报NaN。如果特征提取速度太慢把滤波器系数缓存起来避免每条样本都重复做butter设计能明显提升效率。特征矩阵拼接代码def build_feature_matrix(trial_windows, labels, fs1000): X_list, y_list [], [] for win, lab in zip(trial_windows, labels): for i in range(win.shape[0]): X_list.append(compute_de_feature(win[i], fs)) y_list.append(lab) return np.vstack(X_list), np.array(y_list)4.3 模型取舍SVM基线还是LSTM序列模型源码包里最常见的分类器是SVM和LSTM。SVM用sklearn实现简单模型可解释性强适合做baselinefrom sklearn.svm import SVC from sklearn.preprocessing import StandardScaler from sklearn.metrics import accuracy_score scaler StandardScaler() X_scaled scaler.fit_transform(X_train) svm SVC(kernelrbf, C8, gammascale, class_weightbalanced) svm.fit(X_scaled, y_train) y_pred svm.predict(X_test) print(SVM Accuracy:, accuracy_score(y_test, y_pred))C8是SEED特征上常用的经验值实际项目中建议用GridSearchCV搜索C∈[1,32]、gamma∈[scale,0.001]。class_weightbalanced能缓解轻微类别不平衡如果切分按session来类别数量基本均衡不设也可以。注意StandardScaler只能用训练集统计量fit再用同一个scaler去transform测试集不能把训练测试拼接一起做标准化——这是情绪识别代码里最常见的作弊点之一。LSTM部分用PyTorch定义import torch import torch.nn as nn class SEEDLSTM(nn.Module): def __init__(self, input_dim310, hidden_dim128, n_classes3): super().__init__() self.lstm nn.LSTM(input_dim, hidden_dim, num_layers2, batch_firstTrue) self.fc nn.Linear(hidden_dim, n_classes) def forward(self, x): # x shape: (batch, seq_len, input_dim) out, _ self.lstm(x) return self.fc(out[:, -1, :])LSTM把多个连续窗口按序组成一个样本让模型学习窗口间的时序模式。需要注意SEED每个trial切出的窗口数不完全相同组batch时要用pack_padded_sequence或padding_mask处理不等长序列。如果训练集只有几百个序列LSTM非常容易过拟合此时可以把num_layers降到1hidden_dim降到64或加Dropout层。训练时观察训练/验证准确率差距超过10个百分点就必须加强正则化。5. 避坑指南情绪识别系统最常翻车的四个地方5.1 数据泄露随机切分导致准确率虚高现象训练准确率0.72测试集却有0.91高得离谱查看代码后发现所有样本窗口被打乱后随机切分训练/测试。原因同一个trial切出的多个窗口之间高度相关随机打乱后这些窗口同时出现在训练集和测试集相当于测试阶段模型已经见过了同类数据。解决按trial分组切分训练集和测试集保证同一个trial的所有窗口不会被切到两侧。from sklearn.model_selection import GroupShuffleSplit gss GroupShuffleSplit(n_splits1, test_size0.2, random_state42) train_idx, test_idx next(iter(gss.split(X, y, groupstrial_ids))) X_train, X_test X[train_idx], X[test_idx]5.2 跨被试评估结果与同被试评估差距过大现象同被试内部切分准确率0.85以上换到留一被试交叉验证掉到0.60左右。原因EEG信号个体差异显著同一被试不同session相对稳定模型容易记住被试身份特征而不是情绪特征造成同被试评估虚高。解决论文复现时优先采用subject-independent评估至少报告留一被试交叉验证结果。两种评估都可以报告但必须注明实验设置是subject-dependent还是subject-independent一张只有平均准确率的表格对读者意义有限。5.3 死电极未清理导致特征值异常现象某些通道一直是直线方差接近零DE特征出现-inf或NaNSVM报错或训练集准确率异常。原因采集时电极与头皮接触不良造成死电极或数据导入过程中该通道被置零源码预处理没有做通道质量检查。解决预处理阶段检查每个通道方差低于阈值的通道直接剔除或插值替换valid np.var(eeg_data, axis-1) 1e-8 if valid.sum() 0.8 * eeg_data.shape[0]: print(警告超过20%通道失效请检查数据源)5.4 随机种子失效训练结果不可复现现象同一份代码、同样参数多次运行准确率波动1%~3%已经设置了torch.manual_seed(42)仍然不生效。原因PyTorch在GPU上的cuDNN算子存在非确定性普通seed设置约束不到底层算法。解决在训练脚本开头同时设置四层seed和cuDNN确定性开关import random import numpy as np import torch random.seed(42) np.random.seed(42) torch.manual_seed(42) torch.cuda.manual_seed_all(42) torch.backends.cudnn.deterministic True torch.backends.cudnn.benchmark Falsecudnn.benchmarkFalse会略微降低训练速度但换来结果确定性对科研项目是值得的。另外把每次实验的seed、训练集样本数、被试范围写进报告附录比只记一个准确率数字更利于复现和排查。6. 进阶验证技巧把准确率从单个数字变成可信结论拿到能跑的SEED项目后先别急着调参刷分把评估做实更重要。我有个长期养成的习惯每次跑完一组实验先打印混淆矩阵看三个类别的召回率分布。如果某个类别特别低多半是特征或数据切分的问题靠调C或学习率解决不了。接下来做交叉验证时注意同一个trial的窗口必须整体归入同一折否则交叉验证同样会被数据泄露污染结果虚高。对眼电伪迹明显的脑电样本可以尝试MNE库的ICA自动剔除跑完ICA后打印几个独立成分看是否呈现出明显的眼电模式如果报告里写清楚去除了几个ICA成分、残留多少噪声会比一张准确率表格更有说服力。另外一个实用的验证技巧是对特征做简单可视化——用t-SNE或PCA把310维DE特征投影到2D平面观察三个情绪类别是否在空间上有分离趋势。虽然这个图不能替代量化指标但对于排查特征是否有效比反复调参高效得多。最后把代码库整理成可复用的形式数据加载器、特征提取、模型训练三个模块解耦特征缓存到独立npy文件。这样将来换SEED-IV、DEAP数据集时只需改数据加载器的解析逻辑后面流程全线复用。SEED只是一个开始真正有价值的是这套处理链路里沉淀下来的工程习惯——先验证数据正确再让模型飞希望帮到你。本文还有配套的精品资源点击获取