换一批基于自回归小波包熵特征融合算法的情感识别研究
Research on electroencephalogram emotion recognition based on the feature fusion algorithm of auto regressive model and wavelet packet entropy
摘要针对提高情感识别正确率这一国际开放问题,本文提出了一种基于小波包熵和自回归模型相结合的脑电信号特征提取算法.自回归过程能最大程度逼近脑电信号,用很少的自回归参数提供丰富的谱信息.小波包熵反映脑电信号在各个频带中的谱能量分布情况.将二者结合,能够更好地体现脑电信号的能量特征.本文基于核主成分分析方法,实现了脑电信号特征提取融合.课题组采用情感脑电国际标准数据集(DEAP),选取6类情感状态以本文算法进行情感识别.结果显示,本文算法情感识别正确率均在90％以上,最高情感识别正确率可达99.33％.本文的研究结果表明,该算法能够较好地提取脑电信号情感特征,是一种有效的情感特征提取算法.
更多相关知识
关键词
情感识别脑电信号小波包熵自回归模型核主成分分析支持向量机emotion recognitionelectroencephalogramwavelet packet entropyauto-regressivekernel principal component analysissupport vector machine
栏目名称
DOI
10.7507/1001-5515.201610047
发布时间
2018-01-23（万方平台首次上网日期，不代表论文的发表时间）
- 浏览34
- 被引22
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
