為了改善基于腦電（EEG）的情感分類(lèi)性能,提高多分類(lèi)情況下的識(shí)別準(zhǔn)確率,提出了一種基于共同空間模式（CSP）的空域?yàn)V波算法。首先使用傳統(tǒng)的CSP方法設(shè)計(jì)空域?yàn)V波器,并通過(guò)該濾波器對(duì)3種情感類(lèi)型（即積極、中性和消極）的EEG信號(hào)進(jìn)行線(xiàn)性投影,以提取空域特征。此外,考慮到傳統(tǒng)近似聯(lián)合對(duì)角化（JAD）算法是使用"得分最高的特征值"準(zhǔn)則進(jìn)行特征向量的選擇,該情況可能導(dǎo)致無(wú)法有效區(qū)分多分類(lèi)的情感狀態(tài),因此針對(duì)最高分特征值位置存在的所有可能情況設(shè)計(jì)了不同的特征值選擇方法。對(duì)實(shí)驗(yàn)室自主采集數(shù)據(jù)集,使用支持向量模型（SVM）作為分類(lèi)器進(jìn)行對(duì)比實(shí)驗(yàn)。結(jié)果表明基于CSP的空域特征提取方法在三分類(lèi)情感識(shí)別中平均準(zhǔn)確率達(dá)到了87.54%,證明其在情感識(shí)別應(yīng)用中具有可行性。 

【文章來(lái)源】：圖學(xué)學(xué)報(bào). 2020,41(03)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)獲取
2 方法
    2.1 數(shù)據(jù)預(yù)處理
    2.2 基于CSP的情感識(shí)別
    2.3 改進(jìn)的多分類(lèi)CSP算法
3 結(jié)果
    3.1 單次實(shí)驗(yàn)的最優(yōu)長(zhǎng)度選擇
    3.2 關(guān)鍵頻帶分析
    3.3 對(duì)比傳統(tǒng)方法
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]腦機(jī)接口技術(shù)的發(fā)展與展望[J]. 于淑月,李想,于功敬,孫健,張忠海,成藶委.  計(jì)算機(jī)測(cè)量與控制. 2019(10)
[2]產(chǎn)品情感配色的計(jì)算機(jī)輔助設(shè)計(jì)及其評(píng)價(jià)方法[J]. 宗立成.  圖學(xué)學(xué)報(bào). 2018(04)
[3]基于共同空間模式的掃視信號(hào)特征提取算法[J]. 呂釗,陸雨,周蚌艷,吳小培.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(10)
[4]產(chǎn)品情感研究及情感測(cè)量的關(guān)鍵技術(shù)[J]. 林麗,陽(yáng)明慶,張超,劉玲玲.  圖學(xué)學(xué)報(bào). 2013(01)
[5]腦電信號(hào)在情感識(shí)別中的應(yīng)用[J]. 陳曾,劉光遠(yuǎn).  計(jì)算機(jī)工程. 2010(09)



本文編號(hào)：3185358