基于稀疏表示的脑电(EEG)情感分类

论文摘要

计算机对人类情绪与情感的识别研究已经成为了脑机接口领域的研究热点。通过分析人类在生活中的各种情感状态,提取脑电信号的特征并对情感状态进行识别、分类是情感智能化领域的重要方向。针对基于音乐视频诱导的情感数据集DEAP进行了研究,提取脑电信号的频域特征后,提出了采用加速近邻梯度(APG)算法和正交匹配(OMP)算法求解稀疏编码的稀疏表示分类模型进行情感分类,并与支持向量机(SVM)算法进行效果比较。实验结果表明,APG算法通过l1范数正则近似求解以其快速的收敛速度在情感数据集上有着较好的分类表现,而OMP算法与SVM算法的分类效果相差无几,实现了情感脑电信号的分类。

论文目录

• 0 引言
• 1 情感的维度
• 2 DEAP数据集
• 3 算法流程
•   3.1 算法框架
•   3.2 z-score数据标准化
•   3.3 小波变换
•   3.4 功率谱分析
•   3.5 稀疏表示 （sparse representation）
•     3.5.1 贪婪算法求解
•     3.5.2 凸优化求解算法
• 4 情感识别实验结果分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 邓欣,高峰星,米建勋,李丹妮,王进,唐云

关键词: 脑电信号,稀疏表示,情感,加速近邻算法,正交匹配算法

来源: 计算机应用研究 2019年03期

年度: 2019

分类: 信息科技,基础科学,医药卫生科技

专业: 生物学,基础医学,电信技术

单位: 重庆邮电大学计算机科学与技术学院,重庆邮电大学数据工程与可视计算重点实验室

基金: 国家自然科学基金资助项目(61403054),重庆市基础与前沿研究计划项目(cstc2014jcyjA40001,cstc2014jcyjA40022),重庆教委科学技术研究项目(自然科学类)(KJ1400436)

分类号: R338;TN911.7

DOI: 10.19734/j.issn.1001-3695.2017.11.0992

页码: 801-806

总页数: 6

文件大小: 1065K

下载量: 383