計算機對人類情緒與情感的識別研究已經(jīng)成為了腦機接口領域的研究熱點。通過分析人類在生活中的各種情感狀態(tài),提取腦電信號的特征并對情感狀態(tài)進行識別、分類是情感智能化領域的重要方向。針對基于音樂視頻誘導的情感數(shù)據(jù)集DEAP進行了研究,提取腦電信號的頻域特征后,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模型進行情感分類,并與支持向量機（SVM）算法進行效果比較。實驗結果表明,APG算法通過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表現(xiàn),而OMP算法與SVM算法的分類效果相差無幾,實現(xiàn)了情感腦電信號的分類。 

【文章來源】：計算機應用研究. 2019,36(03)北大核心

【文章頁數(shù)】：6 頁

【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)標準化
    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 情感識別實驗結果分析
5 結束語


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



本文編號：3032703