-
题名基于微分熵与深度残差网络的脑电信号情感识别
被引量：1
- 1
-
-
作者
杜秀丽
马振倩
郭庆汝
邱少明
吕亚娜
-
机构
大连大学通信和网络重点实验室
大连大学信息工程学院
-
出处
《计算机应用与软件》
北大核心
2023年第6期160-165,共6页
-
基金
辽宁省“百千万人才工程”项目(2018921080)。
-
文摘
现有的脑电信号情感识别方法大多是挑选出与情感变化相关度较大的几个单导联脑电信号进行特征提取与选择。针对脑电信号情感识别中没有考虑到导联间存在的整体空间拓扑结构问题,提出一种基于微分熵与深度残差网络的识别方法。该方法将全部导联脑电信号作为一个整体,把各个频带(全频段、γ段、β段和α段)的微分熵特征按照相应的电极空间位置、频段顺序映射为脑电信号微分熵二维特征;利用深度残差网络实现二维特征的自动提取,以充分利用各个导联的脑电信号信息,挖掘导联间隐匿的空间拓扑结构特征。在国际公开数据集SEED上的仿真实验结果表明,该方法的识别平均准确率可以达到95.10%。
-
关键词
脑电信号
情感识别
微分熵
深度残差网络
-
Keywords
EEG signal
Emotion recognition
Differential entropy
Deep residual network
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名优化随机森林模型的网络故障预测
被引量：8
- 2
-
-
作者
邱少明
杨雯升
杜秀丽
王雪珂
-
机构
大连大学通信和网络重点实验室
-
出处
《计算机应用与软件》
北大核心
2021年第2期103-109,170,共8页
-
基金
中央军委装备发展部领域基金项目(61400010301)。
-
文摘
随机森林是一种组合分类器技术,相较于决策树等单分类器,具有更好的预测和分类性能,但其也存在一些问题:因为随机森林自身的随机性,导致预测结果存在波动性;所使用的原始数据集样本基数大,维数多,增加了随机森林组合分类器的训练时间。针对以上问题,提出优化随机森林模型,对数据集进行数据集预处理和PCA降维操作,引入累计贡献率。结合选择的最佳阈值进行最终的预测结果分类,提高了模型的训练速度、预测准确率和稳定性。实验证明,该方法具有更优越的预测性能。
-
关键词
故障预测
随机森林机器学习
PCA降维
-
Keywords
Fault prediction
Random forest machine learning
PCA reduced-dimension
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
