本文關(guān)鍵詞：改進的多尺度熵算法及其情感腦電特征提取性能分析，由筆耕文化傳播整理發(fā)布。

【摘要】：進行了用多尺度熵提取情感腦電特征的研究,針對傳統(tǒng)的基于多尺度熵的特征提取算法在粗�；^程中存在重要信息丟失以及尺度選擇過小造成特征不顯著、尺度過大造成計算過度復(fù)雜的問題,提出了一種改進的多尺度熵算法。該改進算法通過自適應(yīng)多尺度熵中本征模態(tài)函數(shù)的個數(shù)確定尺度,而且為突出腦電信號的微小變化,對腦電信號進行自適應(yīng)二值化處理,充分挖掘特征并降低算法復(fù)雜性。利用Deap國際標準情感分析數(shù)據(jù)庫并基于優(yōu)化支持向量機分類器實現(xiàn)了情感腦電特征識別,進行了改進算法與傳統(tǒng)多尺度熵算法的性能比較。結(jié)果表明,改進算法的分類準確率較傳統(tǒng)多尺度熵算法提高了12.33%,較自適應(yīng)多尺度熵算法提高了7.27%,表明改進算法是一種有效的腦電特征提取算法。
【作者單位】： 燕山大學電氣工程學院生物醫(yī)學工程研究所;河北省測試計量技術(shù)及儀器重點實驗室;北京工業(yè)大學生命科學與生物工程學院;前景光電技術(shù)有限公司;燕山大學信息科學與工程學院;
【關(guān)鍵詞】： 情感腦電 多尺度熵 自適應(yīng)多尺度熵 改進的多尺度熵
【基金】：國家自然科學基金(nsfc61473339) 河北省自然科學基金(F2014203204) 中國博士后科學基金(2014M550582)資助項目
【分類號】：TN911.7
【正文快照】： 0引言 1997年,美國麻省理工學院的Picard教授在她的專著〈(Affective Computing》中首次提出了“情感計算”這一概念[1]。情感識別是情感計算的關(guān)鍵問題之一。腦電信號能夠反映大腦皮層神經(jīng)元的綜合活動,客觀描述情感狀態(tài),基于腦電分析實現(xiàn)情感識別是一種可行有效的方法。在很

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 張棟;陳東偉;游雅;李海芳;;基于自適應(yīng)Lempel-Ziv復(fù)雜度的情感腦電信號特征分析[J];計算機應(yīng)用與軟件;2014年09期

2 倪力;曹建庭;王如彬;;自適應(yīng)多尺度熵在腦死亡診斷中的應(yīng)用[J];動力學與控制學報;2014年01期

3 李昕;李紅紅;李長吾;;基于復(fù)雜度熵特征融合的高壓力人群情感狀態(tài)評估[J];中國生物醫(yī)學工程學報;2013年03期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 李昕;謝佳利;侯永捷;王金甲;;改進的多尺度熵算法及其情感腦電特征提取性能分析[J];高技術(shù)通訊;2015年Z2期

2 李昕;楊亞丹;侯永捷;陳澤濤;;心理壓力評估方法及應(yīng)用[J];生物醫(yī)學工程學雜志;2015年04期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

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

2 汪雷;劉深泉;;皮層錐體神經(jīng)元模型的動力學分析[J];動力學與控制學報;2011年01期

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

4 王海俠;陸啟韶;鄭艷紅;;神經(jīng)元模型的復(fù)雜動力學:分岔與編碼[J];動力學與控制學報;2009年04期

5 高諾;魯守銀;張運楚;姚慶梅;;腦機接口技術(shù)的研究現(xiàn)狀及發(fā)展趨勢[J];機器人技術(shù)與應(yīng)用;2008年04期

6 王如彬;張志康;沈恩華;;大腦皮層內(nèi)神經(jīng)元集團的能量演變[J];動力學與控制學報;2008年01期

7 李建勛;柯熙政;丁德強;;一種基于小波熵的時間尺度算法[J];天文學報;2007年01期

8 古華光,任維,劉鋼,沈羨云,孟京瑞;近似熵及其在心率變異分析中的應(yīng)用[J];航天醫(yī)學與醫(yī)學工程;2000年06期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 謝周敏;;地球物理復(fù)雜信號的多尺度熵分析方法[J];震災(zāi)防御技術(shù);2009年04期

2 劉苗苗;艾玲梅;;駕駛疲勞腦電信號的多尺度熵分析[J];計算機技術(shù)與發(fā)展;2011年08期

3 鄭近德;程軍圣;胡思宇;;多尺度熵在轉(zhuǎn)子故障診斷中的應(yīng)用[J];振動.測試與診斷;2013年02期

4 劉興淼;王仕成;趙靜;;基于圖像多尺度熵的紅外圖像匹配跟蹤算法[J];控制與決策;2011年05期

5 方磊;;基于數(shù)學形態(tài)學的多尺度熵權(quán)邊緣檢測方法[J];計算機時代;2009年01期

6 王俊;馬千里;;基于多尺度熵的心電圖ST段研究[J];南京郵電大學學報(自然科學版);2008年03期

7 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 李嬋;張陽;張義軍;;地閃“不規(guī)則”先導(dǎo)的多尺度熵特征研究[A];創(chuàng)新驅(qū)動發(fā)展 提高氣象災(zāi)害防御能力——S11第十一屆防雷減災(zāi)論壇[C];2013年

2 張濤;李雅堂;閻睿;楊卓;;基于多尺度的非線性動力學分析及其在神經(jīng)系統(tǒng)中的應(yīng)用[A];第八屆全國動力學與控制學術(shù)會議論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 龍玉濤;基于熵測度的移動條件下十二通道心電信號質(zhì)量評估[D];山東大學;2015年

2 劉曉婷;基于加速度的人體步態(tài)信息多尺度熵研究[D];天津大學;2008年

3 劉東海;基于多元多尺度熵的人體平衡系統(tǒng)研究[D];武漢理工大學;2013年

4 崔潔;基于改進多元多尺度熵的癲癇腦電信號自動分類[D];燕山大學;2014年

5 陳建萍;多尺度熵方法用于電子器件噪聲分析[D];西安電子科技大學;2007年

6 裴建航;基于小波多尺度熵的導(dǎo)航傳感器故障診斷技術(shù)研究[D];哈爾濱工程大學;2013年

7 范文會;多尺度熵法用于人體紅外圖像的腰椎病癥研究[D];河北科技大學;2014年

  本文關(guān)鍵詞：改進的多尺度熵算法及其情感腦電特征提取性能分析，，由筆耕文化傳播整理發(fā)布。

本文編號：446791