情緒音樂的腦電識別算法.pdf

1、情緒識別是人機交互領(lǐng)域的一個研究熱點，它能讓計算機更加智能化地與人溝通，并改善用戶體驗。傳統(tǒng)的情緒識別技術(shù)主要基于語音和面部特征。由于情緒的外在表現(xiàn)容易被偽裝,所以傳統(tǒng)的情緒識別技術(shù)并不可靠?；谀X電的情緒識別技術(shù)可以彌補傳統(tǒng)方法的不足，因為腦電可以反映大腦在加工情緒時所伴隨的神經(jīng)電生理活動。
　　基于腦電的情緒識別是一個嶄新的研究領(lǐng)域，它涉及到情緒的誘發(fā)，腦電的特征提取和模式識別技術(shù)。本文依據(jù)情緒的維度模型選擇了三種音樂片段，它

2、們可以表達中性，正性和負性情緒，并用這些音樂材料誘發(fā)三種情緒狀態(tài)下的腦電。
　　在基于功率譜密度信息的情緒識別研究中，五種腦電節(jié)律下的平均功率被用于情緒分類。首先，通過多重比較檢驗，選擇三種情緒下平均功率都有顯著差異的電極，并以這些電極的平均功率作為特征向量。然后，用主成分分析法對特征向量降維，并以降維后的特征向量對三種情緒狀態(tài)下的腦電進行分類。對比不同節(jié)律的特征向量的分類效果，發(fā)現(xiàn)以beta和gamma節(jié)律的特征向量進行分類時所

3、獲得正確率最高，總體平均正確率分別為0.842和0.841，并且這兩個節(jié)律下提供特征的電極在頭表的位置分布具有被試間一致性。對比不同分類器的分類效果，發(fā)現(xiàn)SVM和QBC優(yōu)于其他分類器，不同節(jié)律上最高的被試間平均正確率分別為94.7％和90.0%。
　　在基于腦網(wǎng)絡(luò)屬性的情緒識別研究中，用聚類系數(shù)和距離長度組成特征向量，并用SVM完成三種情緒腦電的分類。14名被試中有9名被試的分類準確率在70%以上，并且這9名被試的平均準確為79.