基于时域、频域脑电(EEG)特征情感分类研究

摘要：

目前的情绪识别技术已经成功地将情绪变化与脑电信号联系起来,并在适当的刺激下从脑电信号中进行识别和分类.因为声音以及表情等信号具有一定的伪装性,而脑电信号(EEG)和情绪的变化密切相关,通过对EEG信号的分析可以更精确的反映人的情感变化.对EEG信号的研究集中于通过时域和频域的角度提取出特征信号,采用基于熵(entropy)的可分性判断进行特征选择,分别使用SVM和HMM-SVM模型两种分类方法进行情绪分类,然后对分类结果进行分析、比较.结果表明,利用HMM-SVM模型基于频域特征的分类结果最好,平均准确率为83.93％.

关键词：脑电信号EEG;情绪识别;时域特征;频域特征;HMM-SVM

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：吉林省科技厅项目20200404216YY

在线出版日期：2021-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：51-57