情感识别中脑电漂移数据的校正方法

• 作者: 李昊 梁晓庚 毛峡
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 脑电 情绪识别 漂移数据 拟合求差 支持向量机
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 信息科学
• 页码范围: 28-32
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13245/j.hust.170906

摘要

本研究针对脑电信号在采集过程中出现的漂移情况,采用支持向量机分类器,分析了节律对数功率、分形维数和信号熵等9种特征,研究了脑电漂移数据对情绪分类的影响;同时,采用拟合求差的方法,尝试对脑电漂移数据进行校正.实验结果表明:脑电漂移数据会导致情绪分类正确率下降,而拟合求差法可以在一定程度上补偿漂移数据对分类造成的不利影响.仿真结果显示:不存在漂移数据时,样本熵和θ节律功率对数两种特征的情绪分类效果最好,而存在未经校正的漂移数据时,δ节律功率对数特征的情绪分类结果最好;漂移数据校正后,样本熵和δ节律功率对数两种特征的情绪分类结果最好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛峡	北京航空航天大学电子信息工程学院	67	553	10.0	21.0
2	梁晓庚		80	368	10.0	13.0
3	李昊	北京航空航天大学电子信息工程学院	32	202	9.0	14.0