期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高斯核函数支持向量机的脑电信号时频特征情感多类识别
被引量：
12
1
作者
李幼军
钟宁
+2 位作者
黄佳进
栗觅
王东升
《北京工业大学学报》
CAS
CSCD
北大核心
2018年第2期234-243,共10页
为了找到一种综合分析方法,提高对脑电信号情感多分类识别的分类精确度,将DEAP数据库中的脑电数据采用经验模态分解的方法分解为多个本征模函数,并对本征模函数按不同的时长窗口进行分片,提取其功率谱密度作为脑电信号特征.将被试对音...
为了找到一种综合分析方法,提高对脑电信号情感多分类识别的分类精确度,将DEAP数据库中的脑电数据采用经验模态分解的方法分解为多个本征模函数,并对本征模函数按不同的时长窗口进行分片,提取其功率谱密度作为脑电信号特征.将被试对音乐视频的情感评价指数用于生成情感分类标签,按"唤醒度"和"效价"2个维度将评价指数映射到二维情感模型中,分成4类.采用"一对一"的高斯核函数支持向量机对脑电特征进行多分类分析.实验结果表明:高斯核函数支持向量机的最高分类准确度达到90.9%(22号被试),平均分类准确度达到68.3%.高斯核函数支持向量机能有效地从脑电信号中识别出不同的情感状态;同时,对于相同刺激,不同的被试产生的情感状态不同;并且,在清醒状态下,脑电信号的高频子波对情感分类有更高的分类精确度.
展开更多
关键词
髙斯核函数
支持向量机
情感分类
脑电图(EEG)
经验模态分解(EMD)
本征模
函数
(IMF)
在线阅读
下载PDF
职称材料
题名
基于高斯核函数支持向量机的脑电信号时频特征情感多类识别
被引量：
12
1
作者
李幼军
钟宁
黄佳进
栗觅
王东升
机构
北京工业大学国际WIC研究院
磁共振成像脑信息学北京市重点实验室
脑信息智慧服务北京市国际科技合作基地
江苏科技大学
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2018年第2期234-243,共10页
基金
国家重点基础研究发展计划资助项目(2014CB744600)
国家自然科学基金资助项目(61420106005,61602017)
国家国际科技合作专项资助项目(2013DFA32180)
文摘
为了找到一种综合分析方法,提高对脑电信号情感多分类识别的分类精确度,将DEAP数据库中的脑电数据采用经验模态分解的方法分解为多个本征模函数,并对本征模函数按不同的时长窗口进行分片,提取其功率谱密度作为脑电信号特征.将被试对音乐视频的情感评价指数用于生成情感分类标签,按"唤醒度"和"效价"2个维度将评价指数映射到二维情感模型中,分成4类.采用"一对一"的高斯核函数支持向量机对脑电特征进行多分类分析.实验结果表明:高斯核函数支持向量机的最高分类准确度达到90.9%(22号被试),平均分类准确度达到68.3%.高斯核函数支持向量机能有效地从脑电信号中识别出不同的情感状态;同时,对于相同刺激,不同的被试产生的情感状态不同;并且,在清醒状态下,脑电信号的高频子波对情感分类有更高的分类精确度.
关键词
髙斯核函数
支持向量机
情感分类
脑电图(EEG)
经验模态分解(EMD)
本征模
函数
(IMF)
Keywords
Gaussian kernel function
support vector machine （ SVM）
emotion classification
electroencephalography （ EEG）
empirical mode decomposition （EMD）
intrinsic mode function （ IMF）
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高斯核函数支持向量机的脑电信号时频特征情感多类识别
李幼军
钟宁
黄佳进
栗觅
王东升
《北京工业大学学报》
CAS
CSCD
北大核心
2018
12
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
