計(jì)算機(jī)對(duì)人類(lèi)情緒與情感的識(shí)別研究已經(jīng)成為了腦機(jī)接口領(lǐng)域的研究熱點(diǎn)。通過(guò)分析人類(lèi)在生活中的各種情感狀態(tài),提取腦電信號(hào)的特征并對(duì)情感狀態(tài)進(jìn)行識(shí)別、分類(lèi)是情感智能化領(lǐng)域的重要方向。針對(duì)基于音樂(lè)視頻誘導(dǎo)的情感數(shù)據(jù)集DEAP進(jìn)行了研究,提取腦電信號(hào)的頻域特征后,提出了采用加速近鄰梯度（APG）算法和正交匹配（OMP）算法求解稀疏編碼的稀疏表示分類(lèi)模型進(jìn)行情感分類(lèi),并與支持向量機(jī)（SVM）算法進(jìn)行效果比較。實(shí)驗(yàn)結(jié)果表明,APG算法通過(guò)l1范數(shù)正則近似求解以其快速的收斂速度在情感數(shù)據(jù)集上有著較好的分類(lèi)表現(xiàn),而OMP算法與SVM算法的分類(lèi)效果相差無(wú)幾,實(shí)現(xiàn)了情感腦電信號(hào)的分類(lèi)。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2019,36(03)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 情感的維度
2 DEAP數(shù)據(jù)集
3 算法流程
    3.1 算法框架
    3.2 z-score數(shù)據(jù)標(biāo)準(zhǔn)化
    3.3 小波變換
    3.4 功率譜分析
    3.5 稀疏表示 （sparse representation）
        3.5.1 貪婪算法求解
        3.5.2 凸優(yōu)化求解算法
4 情感識(shí)別實(shí)驗(yàn)結(jié)果分析
5 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)StOMP算法圖像壓縮感知重構(gòu)[J]. 劉繼承,陳佳偉.  計(jì)算機(jī)應(yīng)用研究. 2016(09)
[2]圖像稀疏表示及其在圖像處理中的應(yīng)用[J]. 孫君頂,趙慧慧.  紅外技術(shù). 2014(07)
[3]基于小波變換和二維非負(fù)矩陣分解的人臉識(shí)別算法[J]. 李孔震,王炳和,婁昊,鄭燁.  計(jì)算機(jī)應(yīng)用研究. 2013(04)
[4]基于核空間類(lèi)間平均距的徑向基函數(shù)—支持向量機(jī)特征選擇算法[J]. 黃應(yīng)清,趙鍇,蔣曉瑜.  計(jì)算機(jī)應(yīng)用研究. 2012(12)



本文編號(hào)：3032703