基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在肌电信号的情感识别问题中,如何从高维特征中找出起关键作用的特征,一直是情感识别的难题.使用随机森林算法,并依照其对特征的评价准则,来计算肌电信号的126个初始特征在不同情感模式分类中的贡献度.依照每个特征的重要程度,优先组合贡献度大的特征并将其用于情感的分类.实验数据验证了该方法的有效性.
推荐文章
基于随机森林算法的特征选择及在 fMRI数据中的应用
分类识别
特征提取与选择
随机森林
fM RI数据
基于特征选择的极限随机森林算法研究
概率相关性
特征选择
特征子集
极限随机森林
基于随机森林的自适应特征选择算法
随机森林
自适应
特征选择
GroupLASSO方法
Hadoop环境下基于随机森林的特征选择算法
高维大数据
随机森林
MapReduce
特征选择
分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 随机森林算法在肌电的重要特征选择中的应用
来源期刊 计算机科学 学科 工学
关键词 情感识别 随机森林 肌电信号 特征选择
年,卷(期) 2013,(1) 所属期刊栏目 人工智能
研究方向 页码范围 200-202
页数 3页 分类号 TP391.41
字数 3231字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘光远 西南大学电子信息工程学院 52 473 13.0 18.0
2 赖祥伟 西南大学计算机与信息科学学院 10 95 5.0 9.0
3 张洪强 西南大学电子信息工程学院 2 28 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (19)
参考文献  (7)
节点文献
引证文献  (25)
同被引文献  (68)
二级引证文献  (58)
1986(2)
  • 参考文献(1)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(4)
  • 引证文献(4)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(8)
  • 引证文献(4)
  • 二级引证文献(4)
2017(11)
  • 引证文献(5)
  • 二级引证文献(6)
2018(17)
  • 引证文献(5)
  • 二级引证文献(12)
2019(27)
  • 引证文献(3)
  • 二级引证文献(24)
2020(12)
  • 引证文献(0)
  • 二级引证文献(12)
研究主题发展历程
节点文献
情感识别
随机森林
肌电信号
特征选择
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导