排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
基于脑电图(EEG)信号对情感识别计算进行研究.针对脑电图的特征提取难和模型计算难的问题, 提出了一种从EEG信号中获得可靠区别特征的创新方法.该方法将微分熵与线性判别分析(LDA)相结合,可被应用于情绪EEG信号的特征提取.采用3类情绪EEG数据集进行实验,结果表明该方法能够有效提高EEG分类的性能:与原始数据集的结果相比,平均准确度提高了68%,比单独使用微分熵进行特征提取时的准确度高7%.总执行时间结果证明提出的方法具有较低的时间复杂度.研究结果在3类情感脑电图识别领域具有重要的实用价值,可被应用于实际的工程领域. 相似文献
2.
在基于快速傅里叶变换的联合算法和基于支持向量机的联合算法的基础之上，文中提出了一种复杂场景下针对5类以上脑电信号处理的新型联合算法. 目的在于提升脑电信号处理与分析的精度与综合效率. 新型联合算法首先采取归一化进行数据预处理，然后融合快速傅里叶变换和主成分分析进行特征提取，最终以加权k近邻分类算法进行特征分类，应用于被试观察0~9数字时产生的脑电信号分类. 结果证明:新型联合算法的精度和综合效率分别为84%和87%，可以运用于复杂场景下的脑电信号处理. 相似文献
1