基于符号化表示学习的脑电信号情绪分类方法研究

发布时间：2017-07-04 22:05

  本文关键词：基于符号化表示学习的脑电信号情绪分类方法研究

  更多相关文章： EEG 情绪分类 符号化 词袋模型

【摘要】：脑电(Electroencephalogram,EEG)记录了大脑活动时的电位变化过程,是脑神经生理活动在大脑皮层表面的直接反映,其在情绪计算、脑认知机理研究等复杂的应用领域具有重要意义。传统脑电信号分析方法主要是从时域、频域等宏观角度提取特征分析脑电信号,这些方法很难反映脑电信号的局部特征和不同时间片段的特点。近年来,基于信息论、分形理论及复杂度分析方法的脑电信号特征提取技术因具有较强的稳定性,而被应用于不同的脑电分析任务。本文主要研究通过情绪相关的脑电信号进行分析,从中提取有效特征进行情绪分类的方法。本文主要研究工作包括:第一,实现了基于信息熵、分形维度及复杂度分析的现代脑电信号分析方法应用于脑电情绪模式分类。考虑到上述三类脑电信号分析方法在单特征使用上性能存在不足,多特征融合有望提高系统性能。然而将不同特征简单融合到一个特征向量的方式会导致特征间非线性结构丢失,无法提升分类效果。针对这一问题,本文提出了一种基于多特征决策融合的脑电情绪分类方法。为了尽可能保留不同特征各自的表征优势,该方法首先在不同基分类器上建立置信度评估,然后实现不同单特征分类器分类结果的有效融合。该方法在DEAP脑电情感分析数据集上,获得了Valence分类指标上1.5个百分点的准确率提升以及Arousal分类指标上0.8个百分点的准确率提升。第二,目前主流的脑电信号分析方法是从全局角度量化脑电信号,最终表征在一个或多个实值特征上。这在很大程度上损失脑电信号的局部信息,使情绪分类系统很难突破性能瓶颈。针对这一问题,本文设计实现了基于脑电符号化表示学习的情绪分类方法。通过对原始脑电信号离散化处理,使其转化到新的特征空间,在脑电符号化表示的基础上利用N元文法、主题挖掘及异常检测方法提取与情绪相关的模式特征,最后应用文本中的词袋模型(BOW)方法进行脑电信号的情绪分类。该方法在Valence分类指标上的准确率比当前主流的脑电信号分析方法提高近9个百分点,且在Arousal分类指标上获得了与多特征决策融合方法相当的效果。
【关键词】：EEG 情绪分类 符号化 词袋模型
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R338;TN911.6
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-18
• 1.1 课题来源9
• 1.2 课题背景与意义9-11
• 1.3 相关技术介绍及研究现状11-16
• 1.3.1 传统脑电信号特征提取方法11-13
• 1.3.2 现代脑电信号特征提取方法13-14
• 1.3.3 脑电信号情绪分类方法14-16
• 1.4 本文的主要内容与组织结构16-18
• 第2章 脑电信号分析方法及应用概述18-26
• 2.1 引言18
• 2.2 基于时域频域分析的传统脑电信号分析方法18-20
• 2.3 基于非线性动力学方法的现代脑电信号分析方法20-25
• 2.3.1 信息熵分析法21-22
• 2.3.2 分形理论分析法22-24
• 2.3.3 复杂度分析法24-25
• 2.4 本章小结25-26
• 第3章 基于多特征决策融合的脑电信号情绪分类26-39
• 3.1 引言26
• 3.2 DEAP脑电情绪分类数据集及分类评估指标26-28
• 3.3 特征选择及分类性能评估28-33
• 3.3.1 信息熵特征28-30
• 3.3.2 分形维度特征30-31
• 3.3.3 复杂度特征31-33
• 3.4 基于多特征决策融合的脑电情绪分类33-38
• 3.4.1 基于多特征决策的融合策略设计33-36
• 3.4.2 实验结果及分析36-38
• 3.5 本章小结38-39
• 第4章 基于符号化表示学习的脑电信号情绪分类39-58
• 4.1 引言39
• 4.2 脑电信号的符号化表示学习方法39-45
• 4.3 基于脑电符号化表示学习的特征提取及情绪分类45-52
• 4.3.1 基于N元文法模型的脑电情绪分类47-48
• 4.3.2 主题模式挖掘48-50
• 4.3.3 异常模式挖掘50-52
• 4.4 实验及分析52-57
• 4.4.1 实验数据集及实验设置52-53
• 4.4.2 实验结果与分析53-57
• 4.5 本章小结57-58
• 结论58-59
• 参考文献59-64
• 攻读硕士学位期间发表的论文及其它成果64-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 ;脑电信号处理的研究取得阶段性成果[J];河北师范大学学报;1987年01期

2 李志瑞;张文杰;;通用脑电信号处理——微机系统初探[J];河北师范大学学报;1988年Z1期

3 孟欣，欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

4 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

5 李英远,周卫东;径向基函数神经网络在脑电信号建模中的应用[J];山东生物医学工程;2002年02期

6 刘大路,江朝晖,冯焕清,王聪;基于脑电信号时空分布信息的思维特征研究[J];北京生物医学工程;2004年02期

7 许崇涛,沈民奋,李慧,朱国平;双谱分析方法在脑电信号分析中的应用[J];中国行为医学科学;2004年03期

8 汤晓军,宋卓,杨卓,张涛;双任务事件中脑电信号的熵计算(英文)[J];生物物理学报;2005年05期

9 蒋辰伟;章悦;曹洋;朱国行;顾凡及;王斌;;脑死亡与脑昏迷脑电信号的复杂度研究[J];生物物理学报;2008年02期

10 李谷;范影乐;庞全;;基于排列组合熵的脑电信号睡眠分期研究[J];生物医学工程学杂志;2009年04期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

7 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

8 王晓滨;LED光针灸对脑功能的影响研究[D];天津职业技术师范大学;2015年

9 徐朝阳;基于深度网络的脑电信号分类方法研究[D];中国海洋大学;2015年

10 刘巨娟;基于脑电信号识别的驾驶员-汽车混合控制系统设计[D];东北大学;2014年

，

本文编号：519461