论文摘要
情感是一个心理-生理的过程,对情感进行判断、评估已经融入到我们生活的方方面面,在众多领域已经取得很好的发展。论文的主题是围绕脑电信号进行情感分类识别,研究了在这个过程中所涉及到的通道选择和特征提取方法,目标是为了获得更好的情感识别准确率。论文重点介绍了脑电信号的处理流程,特征提取、特征选择、通道选择、以及最终的情感分类算法,并在公开的DEAP情感数据集上进行测试训练和验证,取得了高达94.2%的识别精度。首先是脑电数据的预处理,论文使用功率谱密度和相干性计算来决定数据通道的选择,不仅可以剔除掉冗余特征,将与情感密切相关的特征选择出来,还大幅度降低了数据维度和数据规模,方便之后的特征提取。对于特征提取,论文使用经验模态分解算法和样本熵结合进行特征提取,前者用来分解脑电信号,它的自适应性对应解决脑电信号的非线性特点,至于样本熵算法,则可以解决脑电数据的波动特性。两者相互配合,可以实现很好的处理效果。最后详细介绍特征分类方法,并使用SVM进行情感分类识别。对于最终结果,论文重点关注特征提取中的三个变量,分别是数据序列长度N,相似容限r和嵌入维度m,根据结果分析它们对于结果精度的影响,从而得出较优的参数组合。最后将结果与其他使用DEAP数据集进行情感分类的研究论文结果作对比,发现精度提高了很多,具有很好的科研价值。
论文目录
文章来源
类型: 硕士论文
作者: 邓文娅
导师: 陈敏
关键词: 情感识别,脑电数据,通道选择,特征提取,经验模态分解,样本熵,分类
来源: 华中科技大学
年度: 2019
分类: 基础科学,医药卫生科技,信息科技
专业: 生物学,生物医学工程,电信技术
单位: 华中科技大学
分类号: R318;TN911.7
DOI: 10.27157/d.cnki.ghzku.2019.004381
总页数: 57
文件大小: 1549K
下载量: 309
相关论文文献
- [1].基于脑电信号反馈控制的双轨道小车控制器设计[J]. 电子制作 2019(23)
- [2].酒精脑电信号降维去噪方法的研究[J]. 长春理工大学学报(自然科学版) 2019(06)
- [3].脑电信号分析方法及其应用[J]. 中国医疗器械杂志 2020(02)
- [4].一种基于脑电信号的眼动方向分类方法[J]. 计算机科学 2020(04)
- [5].我国脑电信号分析方法及在工学方面的应用研究[J]. 中外企业家 2020(19)
- [6].基于脑电信号分析的换挡布置优化[J]. 汽车实用技术 2020(17)
- [7].基于多尺度排列熵的脑电信号分类[J]. 中国数字医学 2019(05)
- [8].基于深度学习的癫痫脑电信号分析与预测[J]. 长春大学学报 2019(06)
- [9].关于脑电信号的情感优化识别仿真[J]. 计算机仿真 2018(06)
- [10].基于脑电信号的耳鸣识别算法研究[J]. 科技传播 2018(13)
- [11].癫痫脑电信号的相关性分析[J]. 电子世界 2017(05)
- [12].基于半监督学习的脑电信号特征提取及识别[J]. 工程科学与技术 2017(S2)
- [13].基于脑电信号的驾驶疲劳的研究[J]. 世界最新医学信息文摘 2017(55)
- [14].运动想象脑电信号特征的提取与分类[J]. 工业控制计算机 2015(02)
- [15].脑电信号的最优分数阶傅里叶变换[J]. 沈阳大学学报(自然科学版) 2019(06)
- [16].基于多特征卷积神经网路的运动想象脑电信号分析及意图识别[J]. 仪器仪表学报 2020(01)
- [17].人脑电信号实时监测原型系统设计与实现[J]. 计算机工程与应用 2019(02)
- [18].基于方差和深度学习的脑电信号分类算法[J]. 黑龙江工程学院学报 2017(06)
- [19].脑电信号识别及其在机械手臂控制中的应用[J]. 生物医学工程研究 2016(04)
- [20].少年与中年脑电信号的多尺度符号序列熵分析[J]. 北京生物医学工程 2016(06)
- [21].基于卷积神经网络的脑电信号上肢运动意图识别[J]. 浙江大学学报(工学版) 2017(07)
- [22].脑电信号在线采集系统设计与实现[J]. 微型机与应用 2017(22)
- [23].便携式脑电信号采集与处理系统(英文)[J]. 航天医学与医学工程 2016(03)
- [24].正常人中医体质分类与脑电信号相关性探讨[J]. 辽宁中医药大学学报 2014(11)
- [25].脑电信号采集系统的设计[J]. 河北建筑工程学院学报 2014(01)
- [26].思维脑电信号的关联维数分析[J]. 河南科技大学学报(自然科学版) 2012(01)
- [27].一种适用于清醒动物脑电信号采集的固定装置[J]. 首都医科大学学报 2011(06)
- [28].运动想象脑电信号识别研究[J]. 计算机工程与应用 2010(33)
- [29].基于照片刺激下的脑电身份识别研究[J]. 江西蓝天学院学报 2011(04)
- [30].静息脑电信号频域不对称指数特征识别算法[J]. 电子设计工程 2020(09)