二次滑动粗粒化的快速样本熵脑电情感分析OA北大核心CSCDCSTPCD
Fast sample entropy electroencephalogram emotion analysis of double sliding coarse granulation
针对传统单一尺度样本熵对脑电信号(EEG)序列特征提取不明显、多尺度熵在粗粒化过程中会遗漏重要信息导致情感分类性能下降以及样本熵算法效率不高的问题,提出了一种基于二次滑动均值粗粒化的多尺度快速样本熵脑电特征提取方法.由于不同情感的脑电信号存在差异性,先采用二次滑动均值粗粒化对脑电信号进行多尺度处理,然后利用快速样本熵算法提取不同时间尺度的样本熵值作为特征向量,结合随机森林(RF)分类模型来识别不同的情感状态.提出的方法对多模态标准情感数据库DEA…查看全部>>
朱永升;钟清华;蔡冬丽;廖金湘
华南师范大学物理与电信工程学院,广州510006华南师范大学物理与电信工程学院,广州510006华南师范大学物理与电信工程学院,广州510006华南师范大学物理与电信工程学院,广州510006
信息技术与安全科学
脑电信号情感识别二次滑动均值粗粒化快速样本熵随机森林
《计算机应用研究》 2021 (1)
57-60,74,5
国家自然科学基金资助项目(61871433)广东省优秀青年教师培养计划资助项目(YQ2015046)广州市珠江科技新星资助项目(201610010199)