隨著腦電信號采集設(shè)備的迅速發(fā)展，腦電信號越來越多應(yīng)用于實際生活中，基于腦電的情緒識別也成為了重要的研究課題。本文對如何利用腦電識別視頻誘發(fā)的情緒這一問題進(jìn)行了研究。之前對于腦電的研究多使用腦電信號在不同頻帶的能量特征，本文使用微分熵特征，使得情緒相關(guān)的腦電信號得到了更好地表征。同時，本文通過特征選擇，發(fā)現(xiàn)了對于情緒識別任務(wù)有重要影響的腦電頻帶以及腦區(qū)，為神經(jīng)生理學(xué)中探究情緒產(chǎn)生的機(jī)理提供依據(jù)。本文使用線性動力系統(tǒng)對特征序列有針對性地進(jìn)行了平滑，提高了后續(xù)情緒識別的準(zhǔn)確率�；谀X電的情緒識別模型能否真正得到推廣使用，很大程度上依賴于該模型是否穩(wěn)定，本文通過模型在較長時間范圍里的情緒識別效果證明所提出的識別算法訓(xùn)練出的模型具有一定的穩(wěn)定性。在針對6個人的18次實驗中，本文提出的算法針對三種情緒狀態(tài)的識別達(dá)到了平均85%的準(zhǔn)確率。

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
表格索引
插圖索引
主要符號對照表
第一章 緒論
    1.1 研究意義及目的
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于不同信號的情緒識別
        1.2.2 刺激素材的相關(guān)研究
        1.2.3 腦電的特征提取算法研究
        1.2.4 情緒識別的模型研究
        1.2.5 多模態(tài)情緒識別的研究
        1.2.6 情緒在神經(jīng)生理學(xué)中的研究
        1.2.7 情緒識別實際應(yīng)用中的挑戰(zhàn)
    1.3 論文安排
    1.4 本章小結(jié)
第二章 腦電與情緒的相關(guān)背景
    2.1 腦電的相關(guān)背景知識
        2.1.1 大腦的結(jié)構(gòu)及功能
        2.1.2 腦電產(chǎn)生的原理
        2.1.3 腦電的采集
        2.1.4 腦電信號的頻域特性
    2.2 情緒的相關(guān)背景知識
        2.2.1 情緒的定義
        2.2.2 情緒模型
        2.2.3 情緒的誘發(fā)
    2.3 本章小結(jié)
第三章 實驗設(shè)計
    3.1 實驗?zāi)康?br>    3.2 刺激材料
    3.3 被視情況
    3.4 實驗環(huán)境
    3.5 實驗流程
    3.6 實驗后續(xù)改進(jìn)措施
    3.7 本章小結(jié)
第四章 數(shù)據(jù)處理的相關(guān)算法
    4.1 腦電信號處理流程
    4.2 腦電信號預(yù)處理
    4.3 腦電特征提取
        4.3.1 頻帶能量特征
        4.3.2 微分熵特征
        4.3.3 左右腦非對稱特征
    4.4 特征的平滑
        4.4.1 滑動平均平滑
        4.4.2 線性動力系統(tǒng)平滑
    4.5 特征選擇和降維
        4.5.1 主成分分析
        4.5.2 最大相關(guān)最小冗余算法
    4.6 情緒分類的識別算法
        4.6.1 k 近鄰算法
        4.6.2 邏輯斯蒂回歸
        4.6.3 支持向量機(jī)分類器
    4.7 本章小結(jié)
第五章 數(shù)據(jù)處理結(jié)果及討論
    5.1 特征提取算法效果
    5.2 特征選擇和降維算法效果
    5.3 關(guān)鍵頻域
    5.4 關(guān)鍵腦區(qū)
    5.5 特征平滑算法效果
    5.6 分類算法效果
    5.7 模型隨時間變化的穩(wěn)定性
    5.8 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文主要工作及相關(guān)結(jié)論
    6.2 工作展望
附錄 A 實驗結(jié)果詳細(xì)數(shù)據(jù)
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號：3805076