![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于mRMR和BiLSTM的脑电信号情绪识别.pdf
《基于mRMR和BiLSTM的脑电信号情绪识别.pdf》由会员分享,可在线阅读,更多相关《基于mRMR和BiLSTM的脑电信号情绪识别.pdf(5页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 智 能 计 算 机 与 应 用 年 月 文章编号:()中图分类号:文献标志码:基于 和 的脑电信号情绪识别朱以帅,甘良志,王 顺(江苏师范大学 电气工程及自动化学院,江苏 徐州)摘 要:人类的情绪会极大地影响一个人的行为,情绪识别技术在医疗、网络学习、监控等多个领域都有广泛的应用。为了更有效地提取脑电信号特征,提升脑电信号情绪分类效果,本文提出了一种基于(最小冗余最大相关)的多频段脑电信号特征提取方法。针对脑电信号在不同通道电极间特征差异,利用最小冗余最大相关性算法,根据空间导联电极与特征频段分布不同,选择与情绪特性关联较大的空间电极并提出多频段融合算法,提取微分熵特征。利用脑
2、电情绪数据库,在长短期记忆网络(,)网络中引入双向(,)层进行训练,根据唤醒和效价等级进行情绪划分,平均准确率分别达到、。关键词:脑电信号;情绪识别;最小冗余最大相关;多频段融合 ,(,)【】,【】;?哈尔滨工业大学主办学术研究与应用基金项目:江苏师范大学研究生科研与实践创新计划资助项目()。作者简介:朱以帅(),男,硕士研究生,主要研究方向:脑电信号处理;甘良志(),男,博士,副教授,主要研究方向:医疗电子、机器学习;王 顺(),男,硕士研究生,主要研究方向:脑电信号处理。通讯作者:甘良志 :收稿日期:引 言情感的表达是人类生活的一个重要方面。表情描绘了对事件、人类互动、决策和智能的感知。情
3、绪表达一个人的心理、生理和心理状态。人的情绪状态对人的心理健康有重要影响,通过脑电信号,可以识别这些情绪并对其进行分类。情绪的概念在几十年前就已经形成,但至今还没有得到心理学家认可的标准思想。研究者将情绪的分类描述为两种方法:()情绪分成离散的类别;()使用多个维度来识别情绪。根据唤醒和效价状态导出的量表可以对情绪进行多维分类。唤醒维度从未唤起到兴奋状态,而效价维度则表现为积极情绪或消极情绪。脑电信号是一组包含冗余信息的离散时间序列,特征提取的目的是消除冗余,提取最能反映脑电信号本质的特征。近年来,随着特征提取方法的发展与完善,单一的特征提取方法已经不能满足目前的研究需要,研究者们开始提出一些
4、基于组合策略的特征提取方法,如将时频分析方法与非线性方法相结合,实现更好的识别效果。等提出微分熵(,)特征对脑电信号进行情绪识别,识别准确率得到显著提升;苗敏敏等提出一种新的自适应优化空频微分熵特征,通过稀疏回归算法对多重局部空间频域内的微分熵特征进行优化选择;等提出用滑动平均技术来平滑短期波动,突出长期趋势或周期,利用 频段进行情绪识别。上述的熵特征值只对小样本效果显著,且需要一个匹配的模板,常规微分熵虽然对情绪有较好识别,但其在不同脑电信号频段中特征不同,且在不同通道电极间特征数不同。针对以上问题,本文提出了一种基于最小冗余最大相关的多频段脑电信号特征提取方法,针对脑电信号在不同通道电极间
5、特征数不同,利用最小冗余最大相关性算法自适应选取空点通道集,根据空间导联电极与特征频段分布不同,选择与情绪特性关联较大的空间电极并提出多频段融合算法,对提取微分熵特征进行优化;通过提取不同频段的脑电信号特征,更好的保留具有区分度的关键信息,可以有效提高情感脑电识别的精度。特征提取与模型设计 微分熵特征微分熵(,)是香农信息熵()()在连续变量上的推广形式,式():()()()()其中,()为连续脑电信号的概率密度函数。,为脑电信号的数据区间。对于任意长度的一段近似服从高斯分布(,)的脑电信号,利用 切片分段后其微分熵如式()所示:()()()()由式()可知,对于常规脑电信号的微分熵,只需要分
6、析 就可以得到其微分熵特征,常规正态分布(,)的方差计算如式()所示:()通常定义离散信号的频谱能量,式():()()由式()可知在不同频段脑电信号的方差为该频段上平均能量值的数倍,即,由此可以得出对于某一频段微分熵特征,如式()所示:()()()由式()可知,在频谱能量计算中 一定的情况下,脑电信号在不同频段上微分熵为该频段平均能量值数倍,此时利用微分熵特征可以有效减小在特征提取计算时产生的误差,从而提高特征提取的精度。通道特征提取空间导联电极脑电信号包含情绪特征数目具有明显差异,不同信号频段情绪特征也不相同,本文自适应选取 个空间电极导联处的脑电信号进行分析处理。结合自适应选取的脑电通道,
7、将脑电信号分解至、个频段,分别对每一个频段内的信号,进行微分熵特征提取。最小冗余最大相关性()是一种滤波式的特征选择方法,最大化特征与分类变量之间的相关度,可以有效对空间导联电极间进行互信息交换,寻找有利于情绪识别相关通道电极。为了提高空间导联电极相关性对于情绪识别的准确性,本文基于 对脑电信号通道相关性进行优化。方法的通道集合的相关性由情绪特征与通道电极间的信息增益均值计算得出。结合不同通道间的特征数量,利用通道电极间的互信息量,求取不同通道间的特征冗余。互信息量为式():(;)(,)(,)()()()其中,为随机数,()、()、(,)为概率密度函数。本文用增量搜索方法寻找最优的通道特征集合
8、。根据已有通道集,从剩下的特征 中找到第个特征,使用 进行通道特征选择后,会得到一个重要性排名。最终结合交叉验证来选择结果性能最好的通道集,根据排名对特征子集从高优先级至低优先级逐次交叉验证测试,选择结果最好的一组通道集合。通道特征优化条件为式():;();()()根据 选取通道集后,利用多频段融合进行特征提取,多频段融合为 、,由于 频段产生本文将其分解为()和(智 能 计 算 机 与 应 用 第 卷)两部分进行特征提取,可以有效去除特征中冗余信息,提升分类准确性。本文采用 数据集 脑电通道以及由 选取用于情绪识别 通道集合,如图 所示。I C 1I C 2I C 3I C 4I C 5I
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 mRMR BiLSTM 电信号 情绪 识别
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。