基于腦電信號的情緒特征提取與分類研究.pdf

1、情緒是人體生理表現(xiàn)必不可少的一部分，同時情緒識別的研究在人工智能領域越來越受到研究者的關注。人腦部活動的變化反應人的情緒變化，因此很多情緒識別的研究都是基于腦電信號進行的，如何利用獲取的腦電信號對人的情緒進行準確有效的解讀，是全世界此課題研究者關注的熱點問題。本文主要針對情緒腦電信號的處理、特征提取以及分類問題做了研究，利用腦電情緒數(shù)據(jù)庫（DEAP數(shù)據(jù)庫）建立二維情緒分類模型，將情緒分為壓力和平靜兩種狀態(tài)。主要研究內(nèi)容:
　　1、

2、研究了情緒腦電信號的特征提取和識別方法。腦電信號的特征一般從時域、頻域和時頻域三個方面進行研究，而情緒腦電特征大部分表現(xiàn)在信號的頻域特性上。本文首先選擇采集信號時大腦前額區(qū)的7個電極作為研究對象，將腦電信號利用db4小波分解與重構算法分在5個頻段進行研究，分別在每個頻帶上提取不對稱特征、近似熵和排列熵。論文分析比對了各個特征和組合特征在各個頻帶使用支持向量機分類的準確率，實驗結果表明利用本文所使用的組合特征對情緒進行分類有著良好的分類效

3、果，并且得出腦電信號的情緒識別關鍵頻段在β頻段的結論。
　　2、研究了情緒的分類算法，本文提取到的樣本總數(shù)為270個，屬于小樣本種類，首先選擇K近鄰算法和支持向量機對所提取的特征進行分類效果分析，通過試驗可以看出支持向量機比K近鄰算法的分類效果好，通過實驗對比選取的支持向量機核函數(shù)為徑向基核函數(shù)。然后利用遺傳算法和其他優(yōu)化算法對支持向量機的參數(shù)進行優(yōu)化，對比優(yōu)化效果，通過實驗可以得出使用遺傳算法優(yōu)化支持向量機參數(shù)的分類效果優(yōu)于其他