色彩感知中的脑电信号多域特征选择算法研究

摘要：

目前在不同色彩感知中的脑电信号识别方面的研究还不多见,本文提出采用随机森林算法对信号的时域特征和频域特征进行最优组合的方法对不同色彩感知中的脑电信号进行识别.首先采用小波变换,对脑电信号进行7层分解,提取脑电信号在delta、theta、alpha和beta节律频带上的小波能量,并结合脑电信号在时域上的统计量偏度和峰度组成特征向量.然后通过基于随机森林的特征选择算法提取最优的特征组合方案,删除冗余的特征量.使用自适应增强算法进行分类识别,识别的平均正确率可达到85.07％.该结果表明使用本文所提出的特征提取与选择方法用于不同色彩感知中的脑电信号识别上是可行的,并且能够取得较好的识别率.

关键词：脑电信号、小波能量、偏度、峰度、随机森林、自适应增强

所属期刊栏目：34

分类号：TN911.7

在线出版日期：2018-09-20（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：991-997