基于PCANet和SVM的谎言测试研究

• 作者: 吕文志 周到 官金安 杨勇 顾凌云 高军峰
• 来源期刊: 电子学报
• 学科: 医学
• 关键词: 主成分分析网络 脑电 测谎 深度学习 支持向量机
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1969-1973
• 页数: 5页
• 分类号: R318
• 字数: 4460字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2016.08.028

摘要

主成分分析网络（Principal Component Analysis Network，PCANet）是基于深度学习理论的一种非监督式的特征提取方法，它克服了手工提取特征的缺点，目前其有效性仅仅在图像处理领域中得到了验证。本文针对当前谎言测试方法中脑电信号特征提取困难的缺点，首次将PCANet方法应用到一维信号的特征提取领域，并对测谎实验的原始脑电信号提取特征，然后使用支持向量机（Support Vector Machine，SVM）将说谎者和诚实者的两类信号进行分类识别，将实验结果和其它分类器及未使用特征提取的分类效果进行了比较。实验结果显示相对未抽取任何特征的方法，提出的方法PCANet－SVM可以获得更高的训练和测试准确率，表明了PCANet方法对于脑电信号特征提取的有效性，也为基于脑电信号的测谎提供了一种新的途径。