基于主成分分析和极端学习机的测谎方法研究

• 作者: 官金安 张文佳 杨勇 马君君 高军峰
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 医学
• 关键词: 脑电 测谎 极端学习机 主成分分析 P300 支持向量机
• 年，卷（期）: 2014,（3）
• 页码范围: 354-359
• 页数: 6页
• 分类号: R338
• 字数: 5889字
• 语种: 中文

摘要

为了克服当前基于P300的测谎方法训练时间长、个体识别准确率不够高的缺点,提出了将主成分分析(Principal component analysis,PCA)和极端学习机(Extreme Learning Machine,ELM)相结合的PCA_ELM测谎方法.该方法使用典型的三刺激测谎范式,记录30名随机划分的撒谎和无辜者在Pz电极上的脑电(EEG)信号,选择探针刺激响应并对每名受试者的每5个响应波形进行平均,然后对两类信号提取小波特征.PCA被用于对原始特征空间进行特征选择.降维后的特征样本被送到ELM分类器,该分类器学习速度快,泛化能力强,但是对于其隐层节点数的指定一直未有有效的解决方法.我们通过对特征子空间的维数和ELM的隐层节点数进行二维的网格搜索算法,基于交叉验证的方法,对两个参数进行同步优化选择,训练得到最佳参数下的分类模型.实验结果表明,提出的PCA_ELM方法不仅在训测谎准确率上高于当前的广泛使用的分类模型,而且训练时间大大缩短,尤其适合于在线的测谎系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	官金安	中南民族大学生物医学工程学院	34	181	7.0	11.0
2	杨勇	江西财经大学信息技术学院	27	193	8.0	13.0
3	高军峰	中南民族大学生物医学工程学院	14	22	3.0	4.0
4	张文佳	中南民族大学生物医学工程学院	2	8	1.0	2.0
5	马君君	中南民族大学生物医学工程学院	1	1	1.0	1.0