本文選題：腦電信號 + 自適應Lempel-Ziv復雜度��； 參考：《計算機應用與軟件》2014年09期

【摘要】：腦電信號是研究人類情感的主要手段之一。將Lempel-Ziv復雜度算法應用在腦電情感分類方面,并對其進行相應改進。針對腦電信號變化微弱的情況,在二值化過程對原有二值化方法進行改進,采用自適應方法調整信號分段區(qū)域,提取腦電情感數(shù)據(jù)特征,刻畫了相鄰點之間的相互關系和細節(jié)信息。探究不同情感狀態(tài)下、不同電極復雜度的變化規(guī)律,采用SVM進行特征分類,驗證了所提取特征的質量和有效性。
[Abstract]:EEG signal is one of the main methods to study human emotion. The Lempel-Ziv complexity algorithm is applied to EEG emotion classification and the corresponding improvement is made. In view of the weak change of EEG signal, the original binarization method is improved in the process of binarization. The adaptive method is used to adjust the segmented region of the signal, and the feature of EEG emotional data is extracted. The relationship and detail information between adjacent points are described. Under different emotion states, the variation of electrode complexity is studied, and SVM is used to classify the features to verify the quality and effectiveness of the extracted features.
【作者單位】： 太原理工大學計算機科學與技術學院;北京理工大學管理與經濟學院;
【基金】：國家自然科學基金項目(61070077) 山西省自然科學基金項目(2010011020-2) 山西省研究生優(yōu)秀創(chuàng)新項目(20113034)
【分類號】：TN911.7

【參考文獻】

相關期刊論文 前2條

1 羅志增;曹銘;;基于多尺度Lempel-Ziv復雜度的運動想象腦電信號特征分析[J];傳感技術學報;2011年07期

2 黃小娜;石硯;;腦電EEG信號的分析方法[J];甘肅科技;2010年09期

【共引文獻】

相關期刊論文 前9條

1 佘青山;昌鳳玲;范影樂;羅志增;;基于鄰接矩陣分解的腦電特征提取與分類方法[J];傳感技術學報;2012年09期

2 張啟忠;席旭剛;羅志增;;基于表面肌電信號形態(tài)特征的多模式識別研究[J];傳感技術學報;2012年12期

3 周光省;羅志增;高云園;;基于模糊化符號復雜度的腦電運動想象識別算法[J];傳感技術學報;2013年05期

4 劉保玉;邢麗冬;吳佳俐;錢志余;王笑;金帥;董猷琴;;觀看3D影像時的會聚角與腦電EEG重心頻率的相關性研究[J];光電子技術;2014年02期

5 羅志增;周鎮(zhèn)定;周瑛;何海洋;;雙樹復小波特征在運動想象腦電識別中的應用[J];傳感技術學報;2014年05期

6 王亞卿;曹艷s，

本文編號：1995651