基于符號化表示學(xué)習(xí)的腦電信號情緒分類方法研究.pdf

1、腦電（Electroencephalogram，EEG）記錄了大腦活動(dòng)時(shí)的電位變化過程，是腦神經(jīng)生理活動(dòng)在大腦皮層表面的直接反映，其在情緒計(jì)算、腦認(rèn)知機(jī)理研究等復(fù)雜的應(yīng)用領(lǐng)域具有重要意義。傳統(tǒng)腦電信號分析方法主要是從時(shí)域、頻域等宏觀角度提取特征分析腦電信號，這些方法很難反映腦電信號的局部特征和不同時(shí)間片段的特點(diǎn)。近年來，基于信息論、分形理論及復(fù)雜度分析方法的腦電信號特征提取技術(shù)因具有較強(qiáng)的穩(wěn)定性，而被應(yīng)用于不同的腦電分析任務(wù)。
　

2、　本文主要研究通過情緒相關(guān)的腦電信號進(jìn)行分析，從中提取有效特征進(jìn)行情緒分類的方法。本文主要研究工作包括：第一，實(shí)現(xiàn)了基于信息熵、分形維度及復(fù)雜度分析的現(xiàn)代腦電信號分析方法應(yīng)用于腦電情緒模式分類?？紤]到上述三類腦電信號分析方法在單特征使用上性能存在不足，多特征融合有望提高系統(tǒng)性能。然而將不同特征簡單融合到一個(gè)特征向量的方式會(huì)導(dǎo)致特征間非線性結(jié)構(gòu)丟失，無法提升分類效果。針對這一問題，本文提出了一種基于多特征決策融合的腦電情緒分類方法。為了盡

3、可能保留不同特征各自的表征優(yōu)勢，該方法首先在不同基分類器上建立置信度評估，然后實(shí)現(xiàn)不同單特征分類器分類結(jié)果的有效融合。該方法在DEAP腦電情感分析數(shù)據(jù)集上，獲得了Valence分類指標(biāo)上1.5個(gè)百分點(diǎn)的準(zhǔn)確率提升以及Arousal分類指標(biāo)上0.8個(gè)百分點(diǎn)的準(zhǔn)確率提升。第二，目前主流的腦電信號分析方法是從全局角度量化腦電信號，最終表征在一個(gè)或多個(gè)實(shí)值特征上。這在很大程度上損失腦電信號的局部信息，使情緒分類系統(tǒng)很難突破性能瓶頸。針對這一問題