原文服务方: 科技与创新       
摘要:
为解决传统多道仪测谎的准确性问题,结合EEG信号和机器学习方法,通过脑电溯源和相锁值分析方法进行脑电信号特征提取,并通过机器学习分类方法对2类样本特征进行模式识别和分类,从而达到测谎的目的。首先,通过独立成分分析和K-Means聚类算法对脑电信号进行源定位,并通过s LORETA算法将说谎和诚实2组被试者的头皮脑电信号映射至皮层上的信号源处;然后,对2组溯源后的信号分别计算各脑区信号间的相锁值;最后,通过统计分析,选取2类人群具有显著性差异的相锁值连接边作为特征集,通过SVM分类器进行模式识别分类,最终达到94.5%的平均测试准确率。结果表明,通过该方法进行测谎具有一定的可靠性。
推荐文章
利用相锁值算法的脑电相同步测谎研究
测谎
相锁值
脑电
支持向量机
基于P300和机器学习的测谎方法研究
测谎
独立成分分析
脑电
P300两步降噪
支持向量机
基于脑电样本熵的测谎分析
测谎
脑电信号
非线性特征
样本熵
基于互信息的脑网络及测谎研究
互信息
脑电
脑网络
测谎
特征提取
功能连接
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 基于相锁值的脑电测谎方法
来源期刊 科技与创新 学科
关键词 测谎 溯源 EEG 脑网络
年,卷(期) 2023,(8) 所属期刊栏目 工程,技术
研究方向 页码范围 126-129
页数 4页 分类号
字数 语种 中文
DOI 10.15913/j.cnki.kjycx.2023.08.037
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2023(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
测谎
溯源
EEG
脑网络
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
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
总被引数(次)
202805
论文1v1指导