简介基于SEED数据集的脑电情绪识别系统源码与设计报告主要面向计算机、自动化等专业学生适用于课程设计、期末大作业或项目实战演练等场景。项目经导师指导并获96.5分高分运行稳定可直接复用。压缩包共18个文件大小约10.69MB包含Python源码4个py文件、设计报告与说明文档md、docx、结果记录txt及工程配置xml、iml覆盖数据读取、预处理、模型训练、结果分析与环境配置等完整环节目录组织清晰。目前已有97人学习浏览。通过该系统可理解脑电情绪识别从原始数据到评估结果的流程其中提供卷积神经网络与支持向量机两种识别方案的实现代码并附有设计报告和结果记录便于对照复现与调试项目还包含训练日志与中间结果文件可回溯实验细节。基础较好的读者可在此基础上扩展其他情绪或脑电分析功能也可直接作为课程设计或大作业的完整交付内容。1. SEED数据集EEG情绪识别成套python源码与报告的落地拆解这套源码包解决的是 EEG 情绪识别里最典型的一条路线基于上海交通大学的 SEED 数据集从 62 通道原始脑电出发做完带通滤波、去伪迹、滑窗切分后提取五个频带的微分熵DE特征再交给分类器做正性/中性/负性三分类并附一份能直接改用的课设报告。拿到手的第一件事不是看模型而是先确认数据读取、特征提取、数据划分这三段是不是按“试次隔离”的方式组织——这决定了你复现出的准确率是真实水平还是信息泄漏带来的虚高。适合拿来交 python 课设、做科研复现或者想在自有脑电数据上快速搭一套情绪识别 pipeline 的人。2. SEED数据读取与预处理mat格式、通道顺序与滤波切分2.1 mat文件到底存了什么形状、通道与标签对齐SEED 数据集经典版本包含 15 名受试者刺激材料是 15 段中文电影片段诱发正、中、负三种情绪脑电数据由 62 通道设备采集采样率 1000Hz。每个受试者的数据存在一个 mat 文件里里面是多个试次的连续脑电每个试次对应一段视频标签单独保存取值 1/2/3。第一次拿这种数据的人大部分时间都耗在“形状对不上”上——mat 里的矩阵常常不是你以为的试次×通道×时间排列尤其是文件用 MATLAB v7.3 格式保存时scipy 的 loadmat 会直接抛异常得换 h5py 来读。import numpy as np import scipy.io as sio def load_seed_mat(path): 读取SEED数据集某个受试者的mat文件兼容旧版与v7.3版 try: raw sio.loadmat(path) # 旧版mat直接读 eeg raw[data] # 常见形状: (n_trial, n_channel, n_samples) label raw[label].flatten() # (n_trial,)取值{1,2,3} except NotImplementedError: import h5py with h5py.File(path, r) as f: eeg np.array(f[data]) # h5py读出维度顺序通常反了 label np.array(f[label]).flatten() eeg np.transpose(eeg, (2, 1, 0)) # 按实际打印的shape调整 return eeg, label这段代码的逻辑是先试 loadmat因为老版本 mat 用它能直接拿到内存视图读取速度快一旦抛 NotImplementedError说明文件是 HDF5 格式就切到 h5py。需要注意 h5py 读出来的数组维度顺序和 loadmat 版本经常是相反的比如 shape 显示为 (n_samples, n_channel, n_trial)这时转置参数就要按实际 shape 修正把三个维度长度先打印出来再对轴。另一个容易忽略的点是通道顺序SEED 的 62 通道有固定的电极排布如果包里有电极位置文件加载后务必按对应关系重排一遍否则后续特征提取时通道和脑区位置错位结果会非常难排查。转置与通道顺序这两件事属于这个数据集里最典型的两个前置坑处理完了再往下走。2.2 预处理管线带通滤波、去眼电与滑窗切分拿到原始信号后我不会急着算特征先做三件事滤波、去伪迹、滑窗。SEED 原始脑电里混着眼电、肌电和工频干扰分类器对这些噪声很敏感。带通范围一般取 0.5–40Hz因为五个目标频带最宽只到 50Hz情绪识别研究又特别依赖 alpha8–14Hz与 beta14–31Hz两个频带的信息滤波边界留出过渡带余量就够了。from scipy.signal import butter, filtfilt def bandpass_filter(eeg, fs1000, low0.5, high40, order4): 对每个试次、每个通道做零相位带通滤波 eeg: [n_trial, n_channel, n_samples] b, a butter(order, [low / (fs / 2), high / (fs / 2)], btypebandpass) out np.zeros_like(eeg) for t in range(eeg.shape[0]): for ch in range(eeg.shape[1]): out[t, ch] filtfilt(b, a, eeg[t, ch], padlen150) return out def sliding_window(eeg, fs1000, win_len4, step2): 滑窗切分返回: [n_window, n_channel, win_len*fs] win win_len * fs step int(step * fs) n_win (eeg.shape[2] - win) // step 1 return np.stack([eeg[:, :, i*step:i*stepwin] for i in range(n_win)], axis0)参数上fs1000 对应 SEED 的采样率换成自采数据后要先改这里再算归一化频率边界order4 是四阶巴特沃斯这个阶数在 EEG 预处理里最常见阶数更高会带来明显振铃更低则衰减太慢。padlen150 是 filtfilt 两端的补零长度专门抑制边缘效应。滑窗取 win_len4 秒、step2 秒也就是 50% 重叠一段约 78 秒的视频能切出约 37 个窗口样本量放大到原来的几十倍。但这里埋着一个隐患同一视频的相邻窗口高度相似切完窗后如果直接随机划分训练集和测试集模型会在测试时看到“附近”的窗口准确率虚高这个问题第 5 章专门有一节讲怎么躲。关于去眼电如果包内源码用的是简单阈值或回归去伪迹那适合快速出结果如果追求和论文接近可以上 ICA 去除眼电成分。我一般先跑一版用回归法或者直接靠滤波扛住因为 ICA 对每个受试者的数据都要人工确认成分课设时间紧时这里非常耗时。预处理做完建议把滤波后的信号以 .npy 存盘后续特征提取、模型调参会反复读这份中间结果避免每次从 mat 重新过一遍滤波。3. 特征提取五频带微分熵DE的实现与参数选择3.1 为什么SEED任务用DE特征而不是原始波形直接拿 62 通道、每窗 4000 个采样点的原始波形喂给分类器计算量很大而且受个体差异影响严重分类器会把注意力放在幅度差异而不是情绪相关的模式上。SEED 这条线从早期工作开始用微分熵Differential Entropy简称 DE作为基准特征。它的推导建立在“脑电信号在短时窗内近似服从高斯分布”的假设上微分熵有解析解DE (1/2) × log(2πe × P)其中 P 是某个频带内的信号功率。也就是说DE 本质上就是把频带功率取了对数。这个变换厉害的地方在于它把功率的宽动态范围压缩成近似正态分布的特征SVM、LSTM 这类模型对这种分布最友好。我在好几个 EEG 数据集上对比过直接用功率谱特征准确率一般比 DE 低 3 到 8 个百分点分布形态的差异是主要来源。为什么要按频带拆开情绪刺激会在不同神经节律上留下不同痕迹alpha 波与放松、正性情绪相关beta 和 gamma 波与情绪唤醒、负性刺激加工相关。把 delta、theta、alpha、beta、gamma 五个频带的 DE 全部保留相当于同时保留了不同节律对情绪的差异化响应比单一频带或全频带总功率的信息量高很多。3.2 DE特征提取代码与参数选择SEED 论文里的标准做法是基于短时傅里叶变换计算频带功率再取对数。课设代码里常见一个近似写法带通滤波后直接对窗口内每个通道算方差再取 log因为方差估计在统计上等价于功率估计。我建议以论文做法为基准用 Welch 法估计功率谱密度后在频带内积分代码很短而且和论文结果的数值更接近import numpy as np from scipy.signal import welch BANDS {delta: (1, 4), theta: (4, 8), alpha: (8, 14), beta: (14, 31), gamma: (31, 50)} def extract_de_features(eeg, fs1000): 从EEG窗口提取五频带DE特征 eeg: [n_window, n_channel, win_len*fs] 返回: [n_window, n_channel*5] n_win, n_ch, _ eeg.shape feats np.zeros((n_win, n_ch * len(BANDS))) for w in range(n_win): for ch in range(n_ch): freqs, psd welch(eeg[w, ch], fsfs, npersegfs // 2) for bi, (bname, (f1, f2)) in enumerate(BANDS.items()): power psd[(freqs f1) (freqs f2)].mean() feats[w, ch * len(BANDS) bi] 0.5 * np.log(2 * np.pi * np.e * power) return feats, labels # labels按窗口顺序展开参数说明npersegfs//2500 点对应的频率分辨率是 2Hz对 1–4Hz 的 delta 带来说足够psd 在频带内取平均等价于短时傅里叶在该频带内的能量积分。每个窗口每通道得到 5 个 DE 值62 通道拼起来是 310 维特征向量。注意公式里为什么是 0.5×log(2πeP) 而不是直接 log(P)这是高斯随机变量微分熵的解析式功率 P 对应方差 σ²这样 DE 数值才与频带功率保持理论一致。如果你在私有数据上只用 log(P)模型也能跑只是特征分布和论文参考值会有系统性偏移写报告时不容易做数值对照。注意特征提取完成后先把特征矩阵和标签按窗口顺序存成 .npy。模型调参会反复读取这批数据不要每次从头算特征时间浪费在这里非常不值得。4. 建模与评估从SVM基线到LSTM序列输入的完整路线4.1 基线模型SVM划分方式比核函数更关键特征矩阵形状是 [n_sample, 310]310 来自 62 通道 × 5 频带标签为 1/2/3。SVM 是 EEG 小样本任务里最稳的基线因为它对中等维数、样本量几千的特征矩阵比决策树稳调参维度也少。在 sklearn 里真正需要动的参数只有 C 和 gammaC 控制错误惩罚力度取太大容易过拟合训练集gamma 在 RBF 核下控制单一样本的影响半径特征标准化后直接用默认的 scale 一般就行。比核函数更关键的是数据怎么划分。SEED 场景里同一个受试者、同一视频的相邻窗口高度相似直接 train_test_split 随机划分会导致训练集和测试集互相“泄漏”窗口信息准确率虚高到 95% 以上。我一般按“试次留出”或“受试者留出”来划分import numpy as np from sklearn.svm import SVC from sklearn.preprocessing import StandardScaler from sklearn.metrics import accuracy_score def train_svm(X, y, trial_ids, test_trials): test_trials: 留作验证的试次编号例如 [3, 8] train_mask ~np.isin(trial_ids, test_trials) test_mask np.isin(trial_ids, test_trials) scaler StandardScaler() X_train scaler.fit_transform(X[train_mask]) X_test scaler.transform(X[test_mask]) clf SVC(kernelrbf, C8, gammascale, probabilityTrue) clf.fit(X_train, y[train_mask]) y_pred clf.predict(X_test) return accuracy_score(y[test_mask], y_pred)这段代码里有三个关键点第一test_trials 是试次编号集合不是样本索引划分只发生在编号粒度上保证同一视频的所有窗口都在同一侧第二StandardScaler 只 fit 训练集再用同一组均值方差去 transform 测试集避免测试集信息通过统计量泄漏进训练第三C8、gammascale 是这类特征矩阵比较稳的起点C 值可以在 1、2、4、8、16 里做网格搜索开销很小因为 310 维特征矩阵很小。4.2 深度模型输入组织从特征张量到序列样本如果课设要求上 LSTM我不会直接塞原始波形而是保留时间维度的 DE 特征序列。具体做法是把一个试次一段视频的几十个滑窗按时间顺序排成一个序列序列的每个时间步是对应窗口的 310 维 DE 特征。这样 LSTM 看到的是“某段视频随时间变化的情绪脑电特征”而不是原始采样的电压序列输入规模小一到两个数量级训练也稳定得多。import torch from torch.utils.data import Dataset, DataLoader class EegSeqDataset(Dataset): X_seq: [n_seq, seq_len, 310] def __init__(self, X_seq, y_seq): self.X torch.tensor(X_seq, dtypetorch.float32) self.y torch.tensor(y_seq, dtypetorch.long) def __len__(self): return len(self.y) def __getitem__(self, idx): return self.X[idx], self.y[idx] seq_len 20 # 每个序列的时间步数可按试次窗口数截断或填充 model torch.nn.Sequential( torch.nn.LSTM(input_size310, hidden_size64, num_layers1, batch_firstTrue), # 注意nn.Sequential不能直接包LSTM输出元组实际会拆开写forward )严格来说上面这段只是数据组织和模型雏形的示意真实训练时 LSTM 会返回 (output, (h_n, c_n)) 元组我一般在子类或函数里取最后一个时间步的 hidden state再接一个 Linear(64, 3)。输入张量的形状是 [batch, seq_len, 310]batch_firstTrue 可以让维度顺序和特征表达一致不用来回转置。如果显存紧张把 batch_size 调到 32 或 16 即可LSTM 在这一特征规模下的参数量很小重点约束在序列长度而不是特征维数。4.3 评估指标与混淆矩阵怎么读三分类情绪识别里准确率是主指标但单看准确率看不出模型在哪类情绪上翻车。常见现象是正性情绪分得准、负性情绪分得差——负性刺激的个体差异大唤醒度高特征空间的重叠区域最多。所以我每次都会打印 classification_report重点对比三个类别的 F1再用混淆矩阵看具体的错分方向。from sklearn.metrics import classification_report, confusion_matrix import seaborn as sns import matplotlib.pyplot as plt print(classification_report(y_test, y_pred, target_names[positive, neutral, negative])) cm confusion_matrix(y_test, y_pred, labels[1, 2, 3]) sns.heatmap(cm, annotTrue, fmtd, xticklabels[pos, neu, neg], yticklabels[pos, neu, neg]) plt.savefig(confusion_matrix.png, dpi200, bbox_inchestight)混淆矩阵的值要结合数据划分方式读如果是按试次留出的结果那么对角线占比就是模型在新视频上的泛化水平如果是把多个受试者混在一起训练矩阵会偏高因为这相当于模型记住了受试者基线差异。写报告时这里最容易产生争议建议在方法说明里讲清楚“训练集和测试集在试次/受试者层面无交叉”然后用上面的热力图直接支撑这个说法。5. 避坑清单SEED复现里最常见的5个翻车现场5.1 mat文件读不进来、维度全反现象scipy.io.loadmat 直接抛 NotImplementedError或者换 h5py 读出来后数组 shape 变成 (n_samples, n_channel, n_trial)转置转得对不对全靠试。原因SEED 数据在不同时期发布/保存的 mat 版本不一致部分文件用 MATLAB v7.3 格式保存本质是 HDF5h5py 读这种文件时的维度顺序和 loadmat 相反。另一个常见原因是 MATLAB 按列优先存储直接 np.array 取出后形状天然是反的。解决统一封装一个 load_seed_mat 函数先 try loadmat抛异常自动切 h5py转置轴位按打印出的 shape 动态调整第一次加载后务必校验形状为 [n_trial, n_channel, n_samples]。通道顺序检查也放在这一步如果包里有电极位置文件加载后把通道排布和标准 10-20 系统比对一次。这个坑不填后面特征和通道对不上调参再久都是白费。5.2 准确率99%甚至100%先别高兴现象SVM 测试准确率 95% 以上甚至 100%明显高于同类论文里跨试次/跨受试者的常见水平。原因几乎可以断定是信息泄漏。滑窗切分后没有按试次隔离训练集和测试集各自混入了同一视频的不同窗口模型实际上“记住”了那段视频的时间上下文而不是学到了情绪特征。解决所有窗口在生成时同步记录所属试次编号和受试者编号划分时只在编号层面切分。留出几个试次做验证集或者按受试者留一法划分跑出来的准确率才会回到真实区间。判断是否泄漏有一个快捷方法把训练集和测试集的试次编号列表打印出来看有没有交集有交集就重排。从那以后我每套代码的划分逻辑都强制执行这种交叉检查。5.3 准确率停在33%附近、滤波边缘振铃现象SVM 跑出来准确率只有 0.33 到 0.35和随机猜测差不多换成模型也一样。原因最常见是特征未标准化。310 维 DE 特征如果不做 Z-score不同频带功率的数值尺度差异会主导决策边界其次是标签错位窗口展开的顺序和标签列表没有对齐模型学的是“错误的配对关系”。解决先 print 标签分布确认三类样本量基本均衡再用 StandardScaler 对每个特征单独标准化。这两个操作做完准确率还不动就回头查加载时的维度转置和标签展开逻辑通常问题在那两层。现象带通滤波后信号两端出现明显振荡窗口首部的 DE 特征异常偏大。原因filtfilt 在边缘补零不够长或者原数据存在尖刺有人为了省事用 lfilter相位延迟直接让边界结果不可用。解决滤波前先对信号做 3 倍标准差截断去尖刺filtfilt 加上 padlen150若仍有异常滑窗时丢弃每个窗口前 500 个采样点。SEED 的视频片段前通常有静息基线丢掉这一小段不会损失情绪相关成分但对特征是清理干净。5.4 内存占用过高LSTM训练直接OOM现象把全部窗口的原始信号拼成一个大数组喂给 PyTorch几千个窗口训练时直接内存溢出或者 DataLoader 每次加载整个数组非常吃力。原因原始信号数组 [全部窗口, 62, 4000] 的体积远大于 DE 特征 [全部窗口, 310]如果把原始波形塞给 LSTM等于让模型在极高维、强噪声的空间里做序列建模。解决把 DE 特征矩阵和标签先存成 .npy训练时用 DataLoader 按 batch 加载序列样本的组织格式是 [样本, 时间步, 310]时间步是滑窗序号特征维是 310。这一步通常能把训练数据体积缩小一到两个数量级。显存仍然紧张时把 batch_size 从 64 降到 32 或 16再用梯度累积补足迭代稳定性。6. 快速验证与报告出图让源码在课设答辩前一次性跑通6.1 用已知信号验证特征提取的数学正确性改完代码后第一步不是直接跑全量数据而是用一段已知频率和幅值的正弦信号验证 extract_de_features 有没有写对。比如生成 4 秒、20Hz、幅值 20µV 的正弦波理论上能量集中在 beta 频带DE 值应该在 4.0 附近上下浮动。如果算出来能量跑到 delta 或 gamma 频带说明滤波边界或频带划分的代码有 bug这种问题在全量数据上极难发现用信号发生器一照就现原形。import numpy as np from scipy.signal import welch fs 1000 t np.arange(0, 4, 1 / fs) x (20 * np.sin(2 * np.pi * 20 * t)).reshape(1, 1, -1) # [1,1,4000] freqs, psd welch(x[0, 0], fsfs, npersegfs // 2) beta_power psd[(freqs 14) (freqs 31)].mean() de_beta 0.5 * np.log(2 * np.pi * np.e * beta_power) print(beta band DE , de_beta)这段代码的价值在于你可以同时观察“DE 值是否落进 beta 频带对应区间”和“其他频带的 DE 是否接近零值附近的范围”。只有验证通过全量特征提取的结果才值得信任。6.2 答辩前的完整运行顺序与报告出图跑全量时我习惯按固定顺序执行load_seed_mat → bandpass_filter → sliding_window → extract_de_features → 按试次划分 → 训练 → 评估出图。每一步的中间产物都用 .npy 落盘这样调试某一环时不需要前序步骤重跑。报告里需要的关键图就两张一张混淆矩阵热力图、一张每个受试者/试次的准确率条形图前者评估整体错分方向后者说明模型在不同刺激材料上的稳定性。从那以后我每次拿到新数据集都强制自己先走一遍“已知信号验证 → 划分交叉检查 → 基线模型”三件套顺序对了再谈调参顺序错了后面全是玄学现场。这份源码包我建议也按这个顺序过一遍先替换数据路径再跑特征验证脚本最后才动模型参数希望帮到你。本文还有配套的精品资源点击获取