中文摘要: 针对单模态深度神经网络(Deep Neural Network, DNN)难以充分提取情感分类任务中脑电信号的多域特征，且脑电信号中存在通道冗余的问题，提出一种结合互信息通道选择与混合深度神经网络的脑电情感识别方法，首先提取各通道信号中γ节律的微分熵(Differential Entropy, DE)特征，通过DE计算通道间的归一化互信息(Normalized mutual information, NMI)，将所得NMI矩阵按列求和后的向量作为表征各通道任务相关性的权值，根据权值选出最优通道集，之后采用卷积神经网络(Convolutional Neural Networks, CNN)和长短期记忆网络(Long-short term memory neural network, LSTM)相结合的混合DNN网络进行样本特征提取和分类。该方法分别在DEAP数据集的效价(Valence)和唤醒度(Arousal)上取得了87.60%和88.58%的平均分类准确率，表明了所提出方法的可行性和有效性。