基于脑电信号的情绪状态识别算法研究

• 作者: 代静 余明 文治洪 曹新生 杨琳 杨鹏程 王春晨 王航
• 来源期刊: 医疗卫生装备
• 学科: 医学
• 关键词: 情绪识别 脑电信号 特征选择 特征子集 支持向量机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究与设计
• 页码范围: 20-25
• 页数: 6页
• 分类号: R318.04
• 字数: 3997字
• 语种: 中文
• DOI: 10.19745/j.1003-8868.2020030

摘要

目的:构建一种情绪状态识别算法,以实现对平静和压力2种情绪状态的准确、可靠识别.方法:基于生理信号情绪分析数据库(Database for Emotion Analysis using Physiological Signals,DEAP),对受试对象脑电信号进行5个频段的频域分析,提取特征参数,采用随机森林方法进行全部特征参数重要性排序,根据特征参数重要性排序结果利用支持向量机(support vector machine,SVM)算法、按照十折交叉验证测试方法进行特征子集选择操作,依据测试结果确定最佳特征子集.将最佳特征子集作为输入参数,利用SVM建立情绪状态识别算法,并进行算法性能评价实验.实验的对照组采用全部特征参数作为输入参数建立的情绪状态识别算法.选用的性能评价指标包括准确率、F1分数、ROC曲线和AUC.结果:基于最佳特征子集建立的情绪状态识别算法在DEAP上进行的性能评价实验结果显示,识别准确率达到89.17％,F1分数为0.8787,AUC值为0.9778.从实验结果来看,基于最佳特征子集建立的算法与全部特征参数建立的情绪状态识别算法的情绪识别性能相近,但基于最佳特征子集建立算法能够采用更少的脑电频域特征信号准确识别情绪状态,同时能够防止算法出现过拟合现象.另外,通过查阅文献发现,基于特征选择建立的情绪状态识别算法在识别准确率方面优于其他2种情绪状态识别方法.结论:构建的基于脑电信号的情绪状态识别算法通过有效的特征选择能够高效、可靠地识别不同情绪状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨琳	空军军医大学航空航天医学系	8	5	1.0	2.0
2	王航	空军军医大学航空航天医学系	5	3	1.0	1.0
3	代静	空军军医大学航空航天医学系	4	0	0.0	0.0
4	文治洪	空军军医大学航空航天医学系	5	3	1.0	1.0
5	余明	军事科学院系统工程研究院卫勤保障技术研究所	3	1	1.0	1.0
6	王春晨	空军军医大学航空航天医学系	2	0	0.0	0.0
7	杨鹏程	陆军第947医院质控信息科	1	0	0.0	0.0