本文關(guān)鍵詞：多尺度熵算法及其在情感腦電識(shí)別中的應(yīng)用

  更多相關(guān)文章： 腦電 多尺度熵 情感識(shí)別 改進(jìn)多尺度熵 支持向量機(jī)

【摘要】：人機(jī)交互、人工智能的進(jìn)一步發(fā)展,使得情感計(jì)算的相關(guān)研究備受關(guān)注。情感計(jì)算的主要內(nèi)容情感識(shí)別,當(dāng)前涉及對(duì)表情、身體姿態(tài)、語(yǔ)音信號(hào)以及生理信號(hào)等方面的識(shí)別。其中,經(jīng)常用到的生理信號(hào)有心電、肌電、腦電、皮膚阻抗、呼吸等。腦電是大腦神經(jīng)元電活動(dòng)的綜合反映,能夠反映大腦在不同認(rèn)知任務(wù)和功能狀態(tài)下的響應(yīng)。而且腦電等生理信號(hào)不像面部表情、人體姿態(tài)等外在情感特征,可以人為刻意的掩飾,所以基于腦電實(shí)現(xiàn)情感識(shí)別研究能夠充分反映情感狀態(tài)的變化,更加客觀、科學(xué)。腦電信號(hào)的主要特征是非線(xiàn)性、多尺度、多分辨性,其中腦電熵特征尤其是多尺度熵特征,可以充分反映腦電的特性。本文基于腦電的多尺度熵特征進(jìn)行正、中、負(fù)三類(lèi)情感狀態(tài)的分類(lèi)識(shí)別。通過(guò)將均值粗粒化方法、移動(dòng)均值粗�；椒ā㈦x散小波分解、經(jīng)驗(yàn)?zāi)B(tài)分解四種多尺度方法和近似熵方法、樣本熵方法、排序熵方法兩兩結(jié)合,共形成12種多尺度熵方法。比較不同多尺度熵特征在情感識(shí)別中的分類(lèi)準(zhǔn)確率和算法的時(shí)間復(fù)雜度,得到四種表現(xiàn)最好的多尺度熵方法:CG-PE、MA-PE、CG-ApEn、CG-SampEn。針對(duì)序列在多尺度過(guò)程中長(zhǎng)度大大減少造成的信息丟失問(wèn)題,本課題將經(jīng)過(guò)多尺度處理的序列進(jìn)行自適應(yīng)二值化處理,來(lái)捕獲序列中的微小變化。對(duì)比改進(jìn)前后的分類(lèi)準(zhǔn)確率可以得出,自適應(yīng)二值化的確可以捕獲到序列中的微小變化,尤其是在基于均值粗粒化的多尺度熵方法中,改進(jìn)方法的準(zhǔn)確率最多提升了16.78%。為了探討各電極腦電在情感識(shí)別中的作用,比較了16個(gè)電極的情感識(shí)別能力,發(fā)現(xiàn)O2處的分類(lèi)準(zhǔn)確率最好,可達(dá)到75.24%。在各腦區(qū)中,枕區(qū)對(duì)情感變化最為敏感。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP18;R338

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 王俊;寧新寶;李錦;馬千里;徐寅林;卞春華;;心電圖的多尺度熵分析[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年05期

2 王俊;寧新寶;馬千里;;基于多尺度熵的心電圖分析[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2008年03期

3 宦飛,王志中,鄭崇勛;睡眠EEG的多尺度信息熵分析[J];北京生物醫(yī)學(xué)工程;2001年01期

4 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(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

5 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 李嬋;張陽(yáng);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(dòng)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(xiàn)性動(dòng)力學(xué)分析及其在神經(jīng)系統(tǒng)中的應(yīng)用[A];第八屆全國(guó)動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議論文集[C];2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 龍玉濤;基于熵測(cè)度的移動(dòng)條件下十二通道心電信號(hào)質(zhì)量評(píng)估[D];山東大學(xué);2015年

2 高中華;基于經(jīng)驗(yàn)?zāi)B(tài)分解和多尺度熵的滾動(dòng)軸承故障診斷研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

3 謝佳利;多尺度熵算法及其在情感腦電識(shí)別中的應(yīng)用[D];燕山大學(xué);2016年

4 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(xué);2008年

5 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(xué);2013年

6 崔潔;基于改進(jìn)多元多尺度熵的癲癇腦電信號(hào)自動(dòng)分類(lèi)[D];燕山大學(xué);2014年

7 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(xué);2007年

8 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(xué);2013年

9 范文會(huì);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(xué);2014年

，

本文編號(hào)：1146580