deap数据集

数据集摘要

DEAP 数据集由两部分组成：

1. 来自在线自我评估的评级，其中120个一分钟的音乐视频摘录由14-16名志愿者根据唤醒，价和优势进行评级。
2. 参与者评分，生理记录和面部视频的实验，其中32名志愿者观看了上述40个音乐视频的子集。记录脑电图和生理信号，每个参与者也对视频进行上述评分。对于22名参与者，还录制了正面面部视频。

有关数据集集合及其内容的更全面说明，请参阅 [1]

文件列表

以下文件可用（下面将更详细地解释每个文件）：

文件详细信息

online_ratings

此文件包含在在线自我评估期间收集的所有单个视频评级。该文件以 Open-Office Calc （online_ratings.ods）、Microsoft Excel （online_ratings.xls） 和逗号分隔值 （online_ratings.csv） 格式提供。

评级是使用在线自我评估工具收集的，如[1]中所述。参与者使用SAM人体模型以离散的9分制对唤醒，价和优势进行评分。此外，参与者还使用情绪轮对感受到的情绪进行评分（见[2]）。

文件中的表每个评级有一行和以下列：

video_list

此文件以表格形式列出在线自我评估和实验中使用的所有视频。该文件以 Open-Office Calc （video_list.ods）、Microsoft Excel （video_list.xls） 和逗号分隔值 （video_list.csv） 格式提供。

该表的每个视频有一行，包含以下列：

participant_ratings

此文件包含实验期间收集的所有参与者视频评分。该文件以 Open-Office Calc （participant_ratings.ods）、Microsoft Excel （participant_ratings.xls） 和逗号分隔值 （participant_ratings.csv） 格式提供。

start_time值由演示软件记录。在每次试验后，使用标准小鼠以连续的9分制直接对价，唤醒，优势和喜欢进行评级。SAM人体模型用于可视化价，唤醒和支配的评级。为了喜欢（即你有多喜欢这个视频？），使用了竖起大拇指和竖起大拇指的图标。实验结束后，以5分整数等级对熟悉度进行评分（从“以前从未听过”到“经常听”）。不幸的是，参与者 2、15 和 23 缺少熟悉度评级。

文件中的表包含每个参与者视频分级的一行和以下列：

participant_questionnaire

该文件包含参与者对实验前填写的问卷的回答。该文件以 Open-Office Calc （participant_questionnaire.ods）、Microsoft Excel （participant_questionnaire.xls） 和逗号分隔值 （participant_questionnaire.csv） 格式提供。

问卷中的大多数问题都是多项选择题，几乎不言自明。不幸的是，参与者26未能填写问卷。该调查问卷还包含同意书上问题的答案（数据可以用于研究，您的图像可以发布吗？

face_video.zip

Face_video.zip包含实验中为前22名参与者录制的正面面部视频，分为试验。在 zip 文件中，s XX/sXX_trial_YY.avi对应于受试者XX 的试用 YY 视频。

对于受试者3、5、11和14，由于技术问题（即磁带用完），最后一项或几项试验缺失。请注意，这些视频按演示顺序排列，因此试用编号与video_list文件中的Experiment_id列不对应。试验编号和Experiment_id之间的映射可以在participant_ratings文件中找到。

视频是使用索尼 DCR-HC27E 摄录一体机从放置在屏幕后面的三脚架以 DV PAL 格式录制的。然后根据试验对视频进行分割，并使用h264编解码器转码为50 fps的去隔行扫描视频。转码是使用 mencoder 软件完成的，使用以下命令完成：

mencoder sXX.dv -ss trialYY_start_second -endpos 59.05 -nosound -of avi -ovc x264
  -fps 50 -vf yadif=1:1,hqdn3d -x264encopts bitrate=50:subq=5:8x8dct:frameref=2:bframes=3 
  -noskip -ofps 50 -o sXX_trialYY.avi

视频的同步精确到大约 1/25 秒（除非人为错误）。通过在实验前后显示红色屏幕以及发送到脑电图记录PC的标记来实现同步。然后在视频录制中手动标记此屏幕的起始帧。然后根据脑电图记录中的试验开始标记计算单个试验开始时间。

data_original.zip

这些是原始数据记录。有32个.bdf文件（由Actiview录音软件生成的BioSemi数据格式），每个文件有48个512Hz的录制通道（32个脑电图通道，12个外围通道，3个未使用的通道和1个状态通道）。.bdf文件可以被各种软件工具包读取，包括用于Matlab的EEGLAB和BIOSIG工具包。

数据记录在两个不同的位置。参与者1-22在特温特记录，参与者23-32在日内瓦记录。由于硬件版本不同，格式存在一些细微差异。首先，两个位置的脑电图通道顺序不同。其次，每个地点的GSR措施采用不同的格式。

下表给出了两个位置的 EEG 通道名称（根据 10/20 系统）以及可用于将一个订单转换为另一个订单的索引：

The remaining channel numbering is the same for both locations. However, please note the GSR measurement is in different units for the two locations. The Twente GSR measurement is skin resistance in nano-Siemens, whereas the Geneva GSR measurement is skin conductance in Ohm. The conversion is given by:

GSRGeneva = 109 / GSRTwente

The following table gives the meaning of the remaining channels:

The status channel contains markers sent from the stimuli presentation PC, indicating when trials start and end. The following status markers were employed:

data_preprocessed_matlab.zip and data_preprocessed_python.zip

These files contain a downsampled (to 128Hz), preprocessed and segmented version of the data in Matlab (data_preprocessed_matlab.zip) and pickled python/numpy (data_preprocessed_python.zip) formats. This version of the data is well-suited to those wishing to quickly test a classification or regression technique without the hassle of processing all the data first. Each zip file contains 32 .dat (python) or .mat (matlab) files, one per participant. Some sample code to load a python datafile is below:

import cPickle
x = cPickle.load(open('s01.dat', 'rb'))

Each participant file contains two arrays:

The videos are in the order of Experiment_id, so not in the order of presentation. This means the first video is the same for each participant. The following table shows the channel layout and the preprocessing performed:

references

1. "DEAP: A Database for Emotion Analysis using Physiological Signals", S. Koelstra, C. Muehl, M. Soleymani, J.-S. Lee, A. Yazdani, T. Ebrahimi, T. Pun, A. Nijholt, I. Patras, IEEE Transactions on Affective Computing, Special Issue on Naturalistic Affect Resources for System Building and Evaluation, in press
2. "What are emotions? And how can they be measured", K.R. Scherer, Social Science Information,vol. 44, no. 4, pp. 695-729, 2005.