基于Otsu的EEG通道选择情绪识别研究

脑电信号情绪识别是数据人机交互(HCI)技术的一种,实时情感识别对于模型性能要求较高,为实现以较低的运算成本获取较高的识别精度,采用时域滑动窗口的方法扩充样本量,基于Otsu算法筛选出含有最多情绪特征信息的通道,并利用快速傅里叶变换进行脑电信号频段提取,以功率谱密度作为特征,构建了基于支持向量机等分类模型,对高唤醒-低唤醒(HA-LA)和高效价-低效价(HV-LV)两种任务进行分类。实验表明,使用SVM分类器在HA-LA情绪识别任务中得到(82.2±0.4)%的识别准确率,在HV-LV情绪识别任务中得到(83.4±0.3)%的识别准确率。所提出的时域滑动窗口能有效提取含有情绪的脑电信号,在减少数据量的情况下仍获得了不错的情绪识别性能,为实时情感识别的脑机接口提供了一种高效的模型。

资料为PDF文档格式.

本文档关键词:识别,通道,情绪,选择,研究