基于腦電信號(hào)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(shí)情緒識(shí)別的研究在人工智能領(lǐng)域越來(lái)越受到研究者的關(guān)注。人腦部活動(dòng)的變化反應(yīng)人的情緒變化，因此很多情緒識(shí)別的研究都是基于腦電信號(hào)進(jìn)行的，如何利用獲取的腦電信號(hào)對(duì)人的情緒進(jìn)行準(zhǔn)確有效的解讀，是全世界此課題研究者關(guān)注的熱點(diǎn)問(wèn)題。本文主要針對(duì)情緒腦電信號(hào)的處理、特征提取以及分類問(wèn)題做了研究，利用腦電情緒數(shù)據(jù)庫(kù)（DEAP數(shù)據(jù)庫(kù)）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?jī)?nèi)容:
　　1、

2、研究了情緒腦電信號(hào)的特征提取和識(shí)別方法。腦電信號(hào)的特征一般從時(shí)域、頻域和時(shí)頻域三個(gè)方面進(jìn)行研究，而情緒腦電特征大部分表現(xiàn)在信號(hào)的頻域特性上。本文首先選擇采集信號(hào)時(shí)大腦前額區(qū)的7個(gè)電極作為研究對(duì)象，將腦電信號(hào)利用db4小波分解與重構(gòu)算法分在5個(gè)頻段進(jìn)行研究，分別在每個(gè)頻帶上提取不對(duì)稱特征、近似熵和排列熵。論文分析比對(duì)了各個(gè)特征和組合特征在各個(gè)頻帶使用支持向量機(jī)分類的準(zhǔn)確率，實(shí)驗(yàn)結(jié)果表明利用本文所使用的組合特征對(duì)情緒進(jìn)行分類有著良好的分類效

3、果，并且得出腦電信號(hào)的情緒識(shí)別關(guān)鍵頻段在β頻段的結(jié)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(gè)，屬于小樣本種類，首先選擇K近鄰算法和支持向量機(jī)對(duì)所提取的特征進(jìn)行分類效果分析，通過(guò)試驗(yàn)可以看出支持向量機(jī)比K近鄰算法的分類效果好，通過(guò)實(shí)驗(yàn)對(duì)比選取的支持向量機(jī)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(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，對(duì)比優(yōu)化效果，通過(guò)實(shí)驗(yàn)可以得出使用遺傳算法優(yōu)化支持向量機(jī)參數(shù)的分類效果優(yōu)于其他