简介面向EEG情绪识别方向的学习者基于SEED数据集的完整可运行源码适合用于毕业设计、课程设计与期末大作业。源码经本地编译验证评审得分98分难度适中内容经助教审定能满足从入门到实际使用的需求。压缩包共17个文件包括4个Python脚本如raw_eeg_CNN.py、de_LDS_SVM.py、结果记录文档docx/txt、项目配置与说明文件xml/md/iml等整体约10.65MB结构清晰便于按模块查看。其中CNN与SVM两条实现路径完整涵盖数据预处理、模型构建与结果评估并附有实验日志和对比记录可直观了解不同算法的效果差异。已有318人学习适合需要快速上手或借鉴完整方案的研究者与学生。1. 把 SEED 上的 EEG 情绪识别做成可复现的实验这份源码为什么值得下如果你正在做毕业设计或者课程大作业选的又是 EEG 情绪识别方向那你大概率卡在过同一个地方数据下不下来、预处理脚本写不出来、模型跑完不知道结果对不对。我在这个课题上折腾过完整一轮最深的感受是SEED 数据集本身不难理解难的是把「论文里的流程」变成「本地能跑的代码」。这份源码包恰好把两条主流路线都齐了——一条是 de_LDS_SVM.py走微分熵特征 标签平滑 SVM 的经典路线另一条是 raw_eeg_CNN.py直接把原始 EEG 喂给卷积网络做端到端分类。两条管线共用同一份 SEED 数据目录编译过、能运行还带着结果记录和 TensorBoard 日志这意味着你不需要从零对答案可以直接拿别人的输出做基准。这套东西最合适的人群有两类一类是赶毕设、需要快速建立完整实验流程的学生另一类是刚接触脑电分类、想搞明白特征工程和深度学习两条路线差异的从业者。它不提供花哨的新模型但提供了难得的「完整闭环」——从数据组织、特征提取、模型训练到结果记录每一步都落在代码里。接下来我会按实际运行顺序拆解这份资源把参数、数据格式和踩过的坑一次说清。2. SEED 数据集与项目结构先把数据协议和文件职责对齐2.1 SEED 的实验协议三类情感、62 通道与 15 段影片SEEDSJTU Emotion EEG Dataset是上海交通大学公开的脑电情绪数据集常被用来做正、负、中性三类情感分类。整套实验有 15 名被试每名被试观看 15 段情感倾向明确的电影片段每段影片在正式实验中重复呈现 3 次因此一名被试一共会产生 45 个 trial。采集设备是 62 通道的电极帽采样率 1000 Hz后期通常下采样到 200 Hz 再使用。这个数据协议直接决定了代码里的很多设计。比如交叉验证时不能随便把所有 trial 混在一起 shuffle因为同一个影片片段的 3 次重复在时间上相邻如果划分不小心训练集和测试集就可能出现「同源片段」泄漏。再比如 62 通道怎么排序、参考电极怎么处理SEED 官方给的 mat 文件里通道顺序是固定的项目代码里的特征矩阵形状也会基于这个顺序。你拿到源码后第一件事不是跑模型而是确认 load 进来的数据形状和 README 里描述一致通常是一段 trial 对应一个 62×n 的矩阵n 是采样点数。逐 trial 的标签只有三分类这看起来简单实际做起来并不容易。SEED 的难点在于脑电信号信噪比低、个体差异大15 个被试的分布并不均匀所以大多数论文都会报告「被试内」和「被试间」两组结果。你在 results 目录里看到的 SVM 结果记录和 CNN 结果记录大概率也是区分了这两种评估方式后面跑通代码时要注意结果文件表头的说明别把两组数字混着读。2.2 项目目录逐个拆main 数据目录、code 脚本与 results 记录的对应关系拿到源码包解压后的第一层结构很典型我把与运行直接相关的部分整理成一张表方便你对号入座。路径 / 文件职责运行时机data/存放 SEED 原始数据脚本从这里加载 mat 或预处理后的特征运行前必须确认存在code/de_LDS_SVM.pyLDS 标签平滑 SVM 分类的完整管线主脚本之一code/raw_eeg_CNN.py原始 EEG 输入 CNN 分类的完整管线主脚本之一code/utils/通用工具函数负责数据切分、特征提取、评估指标被上述脚本 importresults/CNN 结果记录.docxCNN 路线的实验结果记录含准确率与训练细节跑完 CNN 后对照results/SVM 结果记录.txtSVM 路线的实验结果记录跑完 SVM 后对照events.out.tfevents.*TensorBoard 训练日志CNN 训练过程可视化用训练 CNN 时自动生成如果你用 PyCharm 打开工程.idea目录里已经带好了modules.xml、deployment.xml这些配置说明这是 PyCharm 直接可导入的工程不是散装脚本。我一般会先打开readme.txt看作者声明的运行环境再看results里记录的准确率区间这样才能在跑完自己的实验后判断结果是否正常。这套工程里最有价值的部分其实是那两个结果记录文件它们相当于参考答案帮你排除「代码跑通但结果离谱」的情况。一个容易忽略的细节是events.out.tfevents.1604399967...这个文件名里的时间戳它对应 2020 年 11 月前后的训练记录。这说明 CNN 脚本使用的 TensorFlow 版本大概率是 2.x 早期版本。如果你本机装的是最新版 TensorFlow直接跑旧脚本可能会碰到 API 迁移导致的报错这一块我会在避坑章节专门展开。2.3 环境准备先确定 Python 版本与依赖再动手在双击运行之前我建议你按下面的顺序检查环境。很多新手翻车都翻在第一步——依赖装了一堆版本却对不上。这个项目的核心依赖其实很收敛SVM 路线只需要numpy、scikit-learn、scipyCNN 路线需要tensorflow2.x、numpy可视化与结果解析需要pandas、matplotlib。如果你用的是 Anaconda建议单独建一个环境避免和别的项目互相污染。conda create -n seed python3.8 conda activate seed pip install numpy scipy scikit-learn pandas matplotlib tensorflow2.4tensorflow2.4是兼容 tfevents 日志与旧式 API 的折中选择这个版本能直接读取项目自带的 TensorBoard 日志文件新版本通常也可以读但在tf.summary这类 API 上会出现兼容警告。装完依赖后先启动 Python 交互环境验证import tensorflow无误再进入下一步。环境这块省不了时间别跳过。3. 特征工程路线de_LDS_SVM.py 里的 LDS 平滑与 RBF 核分类3.1 LDS 到底在平滑什么标签分布平滑与拉普拉斯特征映射SVM 路线的脚本名是 de_LDS_SVM.py其中 de 代表 Differential Entropy微分熵LDS 是 Label Distribution Smoothing标签分布平滑的缩写。SEED 原始论文里提出过一个观点相邻 trial 之间的标签存在时间相关性如果只把每个 trial 当成独立样本会丢掉这种连续观影过程中的情感渐变信息。LDS 的出发点是利用拉普拉斯特征映射在样本近邻关系图上对标签做平滑让相似 EEG 特征的样本在标签空间也靠得更近。具体实现上LDS 会先用特征向量构建近邻图计算样本之间的相似度矩阵然后在图上做标签传播或平滑。这里的核心是 k 近邻参数 k 的选择。如果 k 太小平滑只发生在极少样本之间效果接近不做如果 k 太大不同类别的样本被强行拉近分类边界会模糊。我复现的时候习惯先用网格搜索看 k 在 5 到 20 之间的表现再从验证集准确率的趋势里挑稳定区间。要注意的是 LDS 处理的是标签分布不是直接修改原始标签所以最终进入 SVM 的还是原始的微分熵特征只是训练时使用的目标值被平滑过。微分熵特征本身是这段管线的基本单元。SEED 官方特征提取流程会把 EEG 信号划分成 5 个频段delta1–3 Hz、theta4–7 Hz、alpha8–13 Hz、beta14–30 Hz、gamma31–50 Hz每个频段分别计算微分熵。62 通道 × 5 频段一个 trial 最终得到 310 维特征向量。这个维度对 SVM 来说非常友好样本量不大的情况下不容易过拟合。3.2 de_LDS_SVM.py 的关键代码段与参数设置源码里 SVM 部分的核心调用通常类似下面这段我略作整理以匹配常见项目写法from sklearn.svm import SVC from sklearn.model_selection import cross_val_score from utils.feature_extract import extract_de_feature from utils.lds_smooth import lds_smooth_labels # 提取微分熵特征每个 trial 得到 62通道×5频段310 维向量 features, raw_labels extract_de_feature(data_dirdata/, subject_id1) # 对标签做 LDS 平滑k 近邻数设为 10 smoothed_labels lds_smooth_labels(features, raw_labels, k10, metriccosine) svm SVC(kernelrbf, C8, gamma0.05, probabilityTrue) scores cross_val_score(svm, features, smoothed_labels, cv10, scoringaccuracy) print(10-fold CV accuracy: %.4f ± %.4f % (scores.mean(), scores.std()))这段代码里有三个参数值得你花时间调。第一个是kLDS 平滑的近邻数控制标签平滑强度第二个是CSVM 的惩罚系数控制误分类样本的容忍度C 越大越容易过拟合第三个是gammaRBF 核的带宽参数gamma 越大决策边界越复杂。原作者的结果记录里如果写的是准确率 85% 上下那大概率对应一个相对保守的 C 和较小的 gamma。metriccosine表示用余弦相似度做近邻度量SEED 特征在高维空间里余弦距离往往比欧氏距离更稳因为特征向量受个体幅值差异影响较大。这里有一个值得注意的设计cross_val_score默认的划分方式是分层 K 折但如果同一个影片片段的重复 trial 被分到训练集和测试集两侧结果会偏乐观。代码里如果没有特殊处理你需要自己检查数据顺序确保 45 个 trial 在按被试划分时不混入同源片段。判断方法很简单打印每个 trial 的原始影片编号看看同一编号的 3 个重复是否落在同一折里。十折交叉验证在这类小样本场景下是最常见的评估方式15 个被试、每个被试 45 个 trial单被试分类的样本量只有 45十折意味着每折测试集只有 4 到 5 个样本波动会比较大。所以看结果时不要只盯一次运行的均值多跑几次看方差才有意义。这也是 results 记录文件里往往带着标准差的原因。3.3 用 results 里的 SVM 结果记录当基准什么样的数字算正常SVM 路线跑通后一定要打开results/SVM 结果记录.txt对照。按照 SEED 论文的常见结果被试内三分类准确率在 80% 到 90% 之间是正常的个别被试可能会掉到 70% 多这通常是脑电质量差或情感唤起不足导致的。如果你跑出来的平均准确率低于 70%大概率不是模型问题而是特征提取环节出错——比如通道顺序没对齐、微分熵计算公式里的对数底数不对、或者标签与 trial 错位。我见过最典型的翻车是微分熵计算时np.log用了自然对数而论文里用的是以 2 为底的对数。这个差异会让所有特征值整体缩放虽然单特征内部的大小关系不变但 SVM 的核计算对尺度敏感最终准确率会小幅度下滑。你在检查代码时优先确认对数底数和特征归一化方式与结果记录一致。还有一点结果记录 txt 里可能包含每个被试单独的结果表。如果作者列了 15 行数据说明这份资源做的是逐被试建模如果只有一行平均结果说明做的是混合建模。这两种评估方式的准确率不可直接比较读结果时先分清表头。逐被试建模通常准确率更高因为模型见过同一个人的脑电分布混合建模更接近真实场景但难度也更大。4. 端到端路线raw_eeg_CNN.py 的原始信号输入与网络设计4.1 为什么选原始 EEG 直接进 CNN省特征工程也省不了预处理相比手搓微分熵特征raw_eeg_CNN.py 走的是另一条路把原始时间序列直接作为输入让卷积层自动学习频域和空间特征。SEED 的 62 通道数据在时间维度上展开后是一个 62×T 的矩阵CNN 可以把它当成多通道时间序列来处理。这种方案的好处是降低了对特征工程的依赖坏处是对数据质量更敏感——眼电伪迹、肌电干扰、基线漂移都会直接影响网络学习。所以端到端并不等于不需要预处理。代码里通常至少要做三件事一是去除坏段或坏通道二是对每个 trial 做 z-score 标准化三是滑动窗口切段增加样本量。SEED 原始 45 个 trial 对深度学习来说太少直接训练必过拟合常见的做法是把每个 trial 按 1 到 2 秒的窗口切成多个片段每个片段作为一个训练样本。窗口之间有重叠比如步长设为窗口的一半这样样本量可以扩到几百甚至上千。z-score 标准化这一步要小心必须在训练集上计算均值和标准差再应用到测试集不能对整体数据一次性标准化。一旦做了全局标准化测试集的信息就泄漏到了训练过程中验证集准确率会虚高。这是深度学习里一个非常隐蔽但高频出现的错误源码里如果没有明确处理你需要动手拆一下标准化逻辑。4.2 CNN 骨架设计Conv1D 堆叠、池化与全连接输出下面这段是常见做法我用它代表 raw_eeg_CNN.py 里网络主体部分的典型结构import tensorflow as tf from tensorflow.keras import layers, models model models.Sequential([ layers.Input(shape(62, 200)), # 62通道 × 1秒窗口(200Hz采样) layers.Conv1D(filters64, kernel_size5, activationrelu, paddingsame), layers.MaxPooling1D(pool_size2), layers.Conv1D(filters128, kernel_size3, activationrelu, paddingsame), layers.MaxPooling1D(pool_size2), layers.Flatten(), layers.Dropout(0.5), layers.Dense(64, activationrelu), layers.Dense(3, activationsoftmax) ]) model.compile(optimizertf.keras.optimizers.Adam(learning_rate0.001), losssparse_categorical_crossentropy, metrics[accuracy]) model.summary()Input(shape(62, 200))表示输入是 62 通道、200 个时间点。如果你的代码实际用的是 2 秒窗口shape 就要改成(62, 400)这直接影响第一层卷积核的感受野。卷积核大小kernel_size5在 200 Hz 采样率下大约覆盖 25 毫秒的时域范围能捕捉到 gamma 频段的快速波动如果你更关注 theta 和 alpha 这类慢波可以把 kernel_size 适当调大到 9 或 11。两层 Conv1D 的 filters 从 64 涨到 128负责从局部时域模式中逐级抽象特征。Dropout 0.5 放在全连接前是防止小样本过拟合的关键不建议去掉。训练时早停法几乎是必须的。小样本场景下网络非常容易在十几个 epoch 后开始过拟合验证集准确率掉头向下。原工程里大概率配了EarlyStopping回调监控验证集准确率并恢复最佳权重。如果你发现训练过程中训练准确率逼近 1.0 而验证准确率停滞说明模型的容量超出问题复杂度先加 Dropout、然后减小每层 filters不要急着加层数。4.3 训练参数与 TensorBoardepochs、batch size 与日志读取from tensorflow.keras.callbacks import EarlyStopping, TensorBoard callbacks [ EarlyStopping(monitorval_accuracy, patience10, restore_best_weightsTrue), TensorBoard(log_dirlog/) ] history model.fit(train_x, train_y, validation_data(val_x, val_y), epochs60, batch_size32, callbackscallbacks)batch_size32在扩充后的样本集上是一个相对折中的选择。如果切出的样本总量只有几百batch 可以降到 16让梯度更新更平滑如果样本量上千32 或 64 都可以。epochs60配合patience10的意思是如果验证集准确率连续 10 个 epoch 没有提升就停止训练并自动回滚到验证集表现最好的权重。这就是restore_best_weightsTrue的作用很多人漏看这个参数导致保存的不是最优模型。训练完成后用 TensorBoard 复盘训练曲线tensorboard --logdirlog/项目自带的events.out.tfevents.1604399967.lab-2542.18576.0就在log目录下你可以直接加载对比作者当时的训练曲线。重点看三条训练集准确率、验证集准确率、loss 曲线。如果验证集准确率的波动幅度超过 10 个百分点说明样本太少或划分不合理优先检查切段重叠率和数据划分方式。5. SEED 复现避坑现象、原因与解决的六条实战记录5.1 PyTorch 用户跑 TensorFlow 旧脚本API 报错一堆现象是tf.contrib不存在、tf.Session报错或者from tensorflow.keras导入直接挂掉。原因是旧版 TensorFlow 1.x 的 API 在 2.x 被移除。解决方法是先看脚本头部 import 的是tensorflow还是tf如果整体是 2.x 风格确认你的 TensorFlow 版本接近项目年代最稳妥的做法是安装tensorflow2.4或2.6不要用最新版。如果是 1.x 语法则需要在脚本开头加tf.compat.v1.disable_eager_execution()并替换tf.Session为tf.compat.v1.Session。5.2 数据文件名中带中文或路径被转义文件读不进来现象是FileNotFoundError或者路径拼接后出现乱码。原因多半是 Windows 下中文用户名、或者数据目录拷贝过程中路径分隔符被转义。解决方法是把所有路径改成绝对路径并显式使用/分隔符在open或loadmat之前先用os.path.exists打印一次路径确认。SEED 的 mat 文件在data目录里文件名通常以被试编号命名保持目录结构与压缩包一致不要自己重命名。5.3 LDS 平滑参数没调结果比普通 SVM 还差现象是加了 LDS 之后准确率反而下降甚至比不用 LDS 低 5 个点。原因是 k 近邻数不合理。k 太大时平滑作用跨越了类别边界把不同类别的标签互相拉近k 太小时平滑几乎不起作用。解决方法是把 k 从 5 开始每次加 5做一组对比实验观察验证集准确率曲线。另外注意 LDS 用的是特征空间的距离特征必须做标准化后再计算近邻否则幅值大的维度会主导距离度量。5.4 交叉验证里混入同源 trial结果虚高而不自知现象是验证准确率异常高超过 95%但换一个随机种子就大幅下降。原因是同一视频片段的多次重复被分到训练和测试两侧网络记住了同一段视频的共性。解决方法是按影片片段编号分组切分而不是按 trial 随机切。具体做法是用GroupKFold替代普通KFold把影片编号作为 group 参数传入。如果源码没做这个处理你一定要补上否则答辩时被人一问就露馅。5.5 CNN 训练时验证集准确率纹丝不动现象是 loss 在下降但验证集准确率一直停在 33% 附近。三分类随机水平就是 33%说明模型根本没学到有效模式。原因大概率是输入 shape 不对或者标签与数据错位。先打印输入张量的 shape 和标签分布确认类别数量是 3、标签范围是 0 到 2然后检查数据顺序在切窗后是否被 shuffle 打乱后仍然对齐。还有一个常见问题62 通道的排列方向反了卷积层学到的空间模式没有任何意义。5.6 输出结果与 results 记录对不上先查预处理再查评估口径现象是准确率比记录低 10 个点以上代码却能跑通。原因可能是测试集划分方式不同作者报告的是逐被试结果你复现的是混合结果两者本来就不可比也可能是预处理缺失比如没做坏段剔除或没做标准化。解决方法是逐行比对两边的数据路径确认特征维度一致、标签数量一致、评估指标一致。如果记录里明确写了十折交叉验证你切五折对出来的数字肯定不一样先统一成十折再谈复现。6. 复现后的验收技巧三个检查点和一组对比实验代码跑通只是第一步真正让这个项目从「能运行」变成「高分毕设」的是验证结果可靠性的能力。我建议你按三个检查点验收第一SVM 路线在逐被试评估下的平均准确率应该在 80% 到 90% 区间且多次运行的标准差小于 3 个百分点第二CNN 路线的验证集准确率曲线在早停前应高于 75%训练集准确率与验证集准确率的差值不宜超过 15 个百分点否则过拟合严重第三两条路线的结果记录文件能互相解释SVM 高 CNN 低或者反过来都正常但差距过大的时候优先怀疑 CNN 预处理环节。在做对比实验时我习惯保持一个固定模板同一被试、同一数据划分、同一评估指标分别跑 de_LDS_SVM.py 和 raw_eeg_CNN.py。这样做出来的两张结果表放在论文里非常漂亮审稿人一眼就能看出你理解了两条路线的差异——SVM 强在特征可解释、小样本稳定CNN 强在自动特征提取、上限更高但需要更多数据和更细致的调参。如果时间充裕再补一组「去掉 LDS 的 SVM」和「去掉 Dropout 的 CNN」的消融实验这一组对比能直接体现你对模型原理的控制力。我个人在这个项目上还有一个习惯性动作每跑完一组实验强制自己把结果整理成 txt 或 docx按照被试编号、评估方式、准确率的格式记录并附上模型参数。这样到写论文时所有数字都有出处不用回头翻控制台。这个习惯帮我躲过不少次答辩时的追问——当老师问你「这个结果是在什么参数下得到的」时你翻开记录直接答比现场重跑一遍体面得多。希望这个项目也能帮你少走我当年走过的弯路把时间花在真正值得研究的问题上。本文还有配套的精品资源点击获取