本文主要研究内容
作者郑茹（2019）在《基于EEG的情感特征提取与分类研究》一文中研究指出：人类的情感不仅包括心理反应和生理反应,还反映了人的自身需求和主观态度。研究表明人类情感的产生或活动与大脑皮层的活动相关度很大,这为通过脑电信号研究情感分类提供了依据。随着脑科学的迅速发展和各个学科的深入研究,通过脑电信号进行情感识别逐渐成为一个热门课题。但不同受试者在不同时间所诱发脑电信号间的差异对情感分类的影响,以及如何提取有效的脑电情感特征来确保情感识别得到更高的准确度和更好的鲁棒性,仍是脑电情感分类研究亟待解决的问题。针对这些问题,本文进行了如下研究:(1)研究如何减小脑电信号日间差异和波动对情感分类性能的影响,提高基于脑电的情感分类的鲁棒性和准确率。采用的数据集一是采集12个人连续五天的脑电数据。该数据集便于研究同一受试者在不同天,所诱发的脑电信号之间的波动和差异对情感分类的影响。采用两种方法进行研究。一种方法是采用数据空间自适应和共空间模式算法对脑电数据集进行处理。先对脑电数据集采用数据空间自适应算法与共空间模式算法进行处理,使不同天所采集的脑电信号之间的差异最小化,类间的差异最大化。最后提取出脑电信号的功率谱密度特征、微分偏侧与差异因果特征。另一种方法是采用共空间模式结合小波包分解的算法对脑电数据集进行处理。先对脑电情感数据采用共空间模式算法寻找最优子空间,然后采用小波包分解算法进行时频域分解,最终提取出小波包能量特征。对这两种方法处理后提取的特征,分别采用Bagging tree、支持向量机、线性判别分析和贝叶斯线性判别分析算法进行情感分类。由两种方法的实验结果可知,共空间模式结合小波包分解的脑电情感分类,能够缓解脑电日间差异对情感分类的影响,并且分类精度高达86.20%,提高分类性能的有效性。(2)研究如何通过多特征提取及组合方法提高脑电信号情感分类的鲁棒性和效率。采用数据集二,该数据集来自DEAP数据集,它不仅包含脑电信号,还包含外围生理信号,它所包含的数据量较大,以便于研究多特征提取及组合方法提高脑电信号情感分类的鲁棒性和效率。采用经验模式分解与小波包分解两种方法分析脑电情感数据,然后分别提取平均能量、波动指数、样本熵、近似熵、多尺度排列熵和Hurst指数等特征,选择特征进行特征组合,对组合后的特征集进行分类,从而寻找出性能最优的特征组合。由实验结果可知,脑电信号经过小波包分解后,提取的样本熵与近似熵的特征组合能够更好地表征脑电情感信号的主要特征,分类准确率高达95.54%。
Abstract
ren lei de qing gan bu jin bao gua xin li fan ying he sheng li fan ying ,hai fan ying le ren de zi shen xu qiu he zhu guan tai du 。yan jiu biao ming ren lei qing gan de chan sheng huo huo dong yu da nao pi ceng de huo dong xiang guan du hen da ,zhe wei tong guo nao dian xin hao yan jiu qing gan fen lei di gong le yi ju 。sui zhao nao ke xue de xun su fa zhan he ge ge xue ke de shen ru yan jiu ,tong guo nao dian xin hao jin hang qing gan shi bie zhu jian cheng wei yi ge re men ke ti 。dan bu tong shou shi zhe zai bu tong shi jian suo you fa nao dian xin hao jian de cha yi dui qing gan fen lei de ying xiang ,yi ji ru he di qu you xiao de nao dian qing gan te zheng lai que bao qing gan shi bie de dao geng gao de zhun que du he geng hao de lu bang xing ,reng shi nao dian qing gan fen lei yan jiu ji dai jie jue de wen ti 。zhen dui zhe xie wen ti ,ben wen jin hang le ru xia yan jiu :(1)yan jiu ru he jian xiao nao dian xin hao ri jian cha yi he bo dong dui qing gan fen lei xing neng de ying xiang ,di gao ji yu nao dian de qing gan fen lei de lu bang xing he zhun que lv 。cai yong de shu ju ji yi shi cai ji 12ge ren lian xu wu tian de nao dian shu ju 。gai shu ju ji bian yu yan jiu tong yi shou shi zhe zai bu tong tian ,suo you fa de nao dian xin hao zhi jian de bo dong he cha yi dui qing gan fen lei de ying xiang 。cai yong liang chong fang fa jin hang yan jiu 。yi chong fang fa shi cai yong shu ju kong jian zi kuo ying he gong kong jian mo shi suan fa dui nao dian shu ju ji jin hang chu li 。xian dui nao dian shu ju ji cai yong shu ju kong jian zi kuo ying suan fa yu gong kong jian mo shi suan fa jin hang chu li ,shi bu tong tian suo cai ji de nao dian xin hao zhi jian de cha yi zui xiao hua ,lei jian de cha yi zui da hua 。zui hou di qu chu nao dian xin hao de gong lv pu mi du te zheng 、wei fen pian ce yu cha yi yin guo te zheng 。ling yi chong fang fa shi cai yong gong kong jian mo shi jie ge xiao bo bao fen jie de suan fa dui nao dian shu ju ji jin hang chu li 。xian dui nao dian qing gan shu ju cai yong gong kong jian mo shi suan fa xun zhao zui you zi kong jian ,ran hou cai yong xiao bo bao fen jie suan fa jin hang shi pin yu fen jie ,zui zhong di qu chu xiao bo bao neng liang te zheng 。dui zhe liang chong fang fa chu li hou di qu de te zheng ,fen bie cai yong Bagging tree、zhi chi xiang liang ji 、xian xing pan bie fen xi he bei xie si xian xing pan bie fen xi suan fa jin hang qing gan fen lei 。you liang chong fang fa de shi yan jie guo ke zhi ,gong kong jian mo shi jie ge xiao bo bao fen jie de nao dian qing gan fen lei ,neng gou huan jie nao dian ri jian cha yi dui qing gan fen lei de ying xiang ,bing ju fen lei jing du gao da 86.20%,di gao fen lei xing neng de you xiao xing 。(2)yan jiu ru he tong guo duo te zheng di qu ji zu ge fang fa di gao nao dian xin hao qing gan fen lei de lu bang xing he xiao lv 。cai yong shu ju ji er ,gai shu ju ji lai zi DEAPshu ju ji ,ta bu jin bao han nao dian xin hao ,hai bao han wai wei sheng li xin hao ,ta suo bao han de shu ju liang jiao da ,yi bian yu yan jiu duo te zheng di qu ji zu ge fang fa di gao nao dian xin hao qing gan fen lei de lu bang xing he xiao lv 。cai yong jing yan mo shi fen jie yu xiao bo bao fen jie liang chong fang fa fen xi nao dian qing gan shu ju ,ran hou fen bie di qu ping jun neng liang 、bo dong zhi shu 、yang ben shang 、jin shi shang 、duo che du pai lie shang he Hurstzhi shu deng te zheng ,shua ze te zheng jin hang te zheng zu ge ,dui zu ge hou de te zheng ji jin hang fen lei ,cong er xun zhao chu xing neng zui you de te zheng zu ge 。you shi yan jie guo ke zhi ,nao dian xin hao jing guo xiao bo bao fen jie hou ,di qu de yang ben shang yu jin shi shang de te zheng zu ge neng gou geng hao de biao zheng nao dian qing gan xin hao de zhu yao te zheng ,fen lei zhun que lv gao da 95.54%。
论文参考文献
论文详细介绍
论文作者分别是来自陕西科技大学的郑茹，发表于刊物陕西科技大学2019-07-15论文，是一篇关于脑电论文,信号波动和差异论文,特征提取论文,特征组合论文,情感分类论文,陕西科技大学2019-07-15论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自陕西科技大学2019-07-15论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：脑电论文; 信号波动和差异论文; 特征提取论文; 特征组合论文; 情感分类论文; 陕西科技大学2019-07-15论文;