典型文献
特征融合实现脑电信号情感分析
文献摘要：
由于脑电信号具有非平稳、微弱、频段差异大的特点,在处理过程中难以获得较好的识别精度.为了提高脑电情感分析的性能,从特征提取和特征选择两个方面进行了探讨.在特征提取方面,在功率谱强度的基础上采用改进的平衡功率谱强度特征;在特征选择方面,提出一种特征融合算法,充分利用Relief和mRMR两种方法各自的优势,在提高识别性能的同时大幅度地降低了特征维度.采用支持向量机分类算法,在DEAP数据集上进行了实验.结果表明,相比于功率谱强度,平衡功率谱强度的分类准确率平均提高了6.22％,特征融合算法选择的特征相比于基线提高了3.90分,相比于Relief提高了1.84分,相比于mRMR提高了2.05分.基于平衡功率谱强度的特征融合算法,不仅其整体性能提升了,且其平均识别准确率在Valence维度上达到88.89％,在Arousal维度上达到87.73％,同时平均特征维度从160维减少至67维.
文献关键词：
情感识别;情感计算;脑电信号;特征提取;融合特征;特征选择
中图分类号：
作者姓名：
杨利英;孟天昊;张清杨;晁思
作者机构：
西安电子科技大学计算机科学与技术学院,陕西西安710071
文献出处：
引用格式：
[1]杨利英;孟天昊;张清杨;晁思-.特征融合实现脑电信号情感分析)[J].西安电子科技大学学报（自然科学版）,2022(06):95-102
A类：
B类：
特征融合,脑电信号,情感分析,非平稳,微弱,频段,段差,难以获得,识别精度,特征选择,功率谱,强度特征,融合算法,Relief,mRMR,识别性,支持向量机分类,分类算法,DEAP,分类准确率,算法选择,整体性能,性能提升,识别准确率,Valence,上达,Arousal,情感识别,情感计算,融合特征
AB值：
0.425882
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
