多尺度熵算法及其在情感脑电识别中的应用

发布时间：2017-11-06 00:29

  本文关键词：多尺度熵算法及其在情感脑电识别中的应用

  更多相关文章： 脑电 多尺度熵 情感识别 改进多尺度熵 支持向量机

【摘要】：人机交互、人工智能的进一步发展,使得情感计算的相关研究备受关注。情感计算的主要内容情感识别,当前涉及对表情、身体姿态、语音信号以及生理信号等方面的识别。其中,经常用到的生理信号有心电、肌电、脑电、皮肤阻抗、呼吸等。脑电是大脑神经元电活动的综合反映,能够反映大脑在不同认知任务和功能状态下的响应。而且脑电等生理信号不像面部表情、人体姿态等外在情感特征,可以人为刻意的掩饰,所以基于脑电实现情感识别研究能够充分反映情感状态的变化,更加客观、科学。脑电信号的主要特征是非线性、多尺度、多分辨性,其中脑电熵特征尤其是多尺度熵特征,可以充分反映脑电的特性。本文基于脑电的多尺度熵特征进行正、中、负三类情感状态的分类识别。通过将均值粗粒化方法、移动均值粗粒化方法、离散小波分解、经验模态分解四种多尺度方法和近似熵方法、样本熵方法、排序熵方法两两结合,共形成12种多尺度熵方法。比较不同多尺度熵特征在情感识别中的分类准确率和算法的时间复杂度,得到四种表现最好的多尺度熵方法:CG-PE、MA-PE、CG-ApEn、CG-SampEn。针对序列在多尺度过程中长度大大减少造成的信息丢失问题,本课题将经过多尺度处理的序列进行自适应二值化处理,来捕获序列中的微小变化。对比改进前后的分类准确率可以得出,自适应二值化的确可以捕获到序列中的微小变化,尤其是在基于均值粗粒化的多尺度熵方法中,改进方法的准确率最多提升了16.78%。为了探讨各电极脑电在情感识别中的作用,比较了16个电极的情感识别能力,发现O2处的分类准确率最好,可达到75.24%。在各脑区中,枕区对情感变化最为敏感。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;R338

【相似文献】

中国期刊全文数据库 前5条

1 王俊;宁新宝;李锦;马千里;徐寅林;卞春华;;心电图的多尺度熵分析[J];生物医学工程学杂志;2007年05期

2 王俊;宁新宝;马千里;;基于多尺度熵的心电图分析[J];中国生物医学工程学报;2008年03期

3 宦飞,王志中,郑崇勋;睡眠EEG的多尺度信息熵分析[J];北京生物医学工程;2001年01期

4 王俊;马千里;;基于多尺度熵的心电图ST段研究[J];南京邮电大学学报(自然科学版);2008年03期

5 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 李婵;张阳;张义军;;地闪“不规则”先导的多尺度熵特征研究[A];创新驱动发展 提高气象灾害防御能力——S11第十一届防雷减灾论坛[C];2013年

2 张涛;李雅堂;阎睿;杨卓;;基于多尺度的非线性动力学分析及其在神经系统中的应用[A];第八届全国动力学与控制学术会议论文集[C];2008年

中国硕士学位论文全文数据库 前9条

1 龙玉涛;基于熵测度的移动条件下十二通道心电信号质量评估[D];山东大学;2015年

2 高中华;基于经验模态分解和多尺度熵的滚动轴承故障诊断研究[D];长春工业大学;2016年

3 谢佳利;多尺度熵算法及其在情感脑电识别中的应用[D];燕山大学;2016年

4 刘晓婷;基于加速度的人体步态信息多尺度熵研究[D];天津大学;2008年

5 刘东海;基于多元多尺度熵的人体平衡系统研究[D];武汉理工大学;2013年

6 崔洁;基于改进多元多尺度熵的癫痫脑电信号自动分类[D];燕山大学;2014年

7 陈建萍;多尺度熵方法用于电子器件噪声分析[D];西安电子科技大学;2007年

8 裴建航;基于小波多尺度熵的导航传感器故障诊断技术研究[D];哈尔滨工程大学;2013年

9 范文会;多尺度熵法用于人体红外图像的腰椎病症研究[D];河北科技大学;2014年

，

本文编号：1146580