基于多尺度分析和集成树模型的脑电情感识别方法研究及系统设计

发布时间：2023-02-11 14:48

　　随着情感计算与情感机器人技术的发展,情感智能逐渐融入到人机交互当中。机器人能够通过人的语音、面部表情、手势、生理信号等获得人的情感状态,其中,语音、面部表情、手势等易受到人的主观因素影响,因此它们不能真实地反映出人的情感,而脑电信号记录的是大脑皮层神经电位变化,能够真实地反映人的情感状态。本文以脑电信号为研究对象,围绕脑电信号预处理、特征提取、特征选择和情感分类展开研究,提出了基于多尺度分析和集成树模型的脑电情感分类方法。首先,针对脑电信号的非线性和不稳定等问题,提出了基于多尺度分析的脑电特征提取方法,包括基于经验模态分解的脑电信号特征提取和基于变分模态分解的脑电信号特征提取,将脑电信号分解成为多个尺度上的多个分量,并提取每一个分量的特征;为了分析特征子集中的特征个数对情感识别结果的影响,提出一种基于序列反向选择的特征选择方法。实验结果表明,基于多尺度的脑电信号特征提取方法相比于基于单一尺度的脑电特征提取方法,能够获得更高的情感识别率。然后,针对不同人之间差异性所导致的脑电信号特征集分布复杂的问题,提出了基于贝叶斯优化的集成树模型脑电情感识别方法。采用多个决策树组合的集成树模型Xgbo...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
作者简历
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 情感描述方法
        1.2.2 脑电信号情感特征提取方法
        1.2.3 脑电信号特征选择与情感分类方法
    1.3 主要研究内容和方法
    1.4 论文构成
第二章 基于多尺度分析的脑电信号特征提取
    2.1 脑电电极选择与信号预处理
    2.2 脑电信号多尺度特征提取方法
        2.2.1 基于经验模态分解的脑电信号特征提取
        2.2.2 基于变分模态分解的脑电信号特征提取
        2.2.3 多尺度分量特征提取
    2.3 基于序列反向选择的特征选择方法
    2.4 仿真实验
        2.4.1 实验设置
        2.4.2 实验结果与分析
    2.5 本章小结
第三章 基于贝叶斯优化集成树模型的脑电情感分类方法
    3.1 基于线性判别分析的脑电特征降维方法
    3.2 基于Xgboost的脑电情感分类方法
    3.3 基于贝叶斯的参数优化方法
    3.4 仿真实验
        3.4.1 实验评价指标
        3.4.2 实验结果与分析
    3.5 本章小结
第四章 脑电情感识别系统设计与实现
    4.1 系统整体框架设计
        4.1.1 系统的整体结构设计
        4.1.2 系统功能分析
    4.2 系统结构
        4.2.1 系统硬件结构
        4.2.2 系统软件结构
    4.3 系统运行效果
    4.4 本章小结
第五章 结论与展望
    5.1 结论
    5.2 展望
致谢
参考文献



本文编号：3740589