(论文加源码)(matlab代码)基于时频域特征分析和SVM分类器的DEAP脑电信号情感状态识别(四分类)

上传者: 45874683 | 上传时间: 2022-04-06 03:11:35 | 文件大小: 488KB | 文件类型: ZIP
提出了一种基于时频域特征的情绪检测方法。使用Box-and-whisker plot(箱线图)选择最佳特征,然后将其输入SVM分类器,用于训练和测试DEAP数据集,其中考虑了32名不同性别和年龄组的参与者。实验结果表明,该方法对测试数据集的准确率为92.36%。此外,所提出的方法比最先进的方法表现出更高的准确性。 本文利用DEAP数据集预处理的脑电信号对两种维度进行四分类,即效价和觉醒。首先通过应用FFT将数据集中的样本从时域转移到频域,然后提取对情绪识别特别重要的α、β和θ频带。随后,根据每个情绪对应的象限对提取的频带进行平均,并使用平均频带值提取统计特征。然后,对提取的特征进行缩放,并将各种特征组合输入支持向量机分类器(SVM)进行情感识别。据观察,我们的方法使用偏度、峰度和波熵特征预测情绪,准确率为92.36%。与现有的DEAP数据集方法相比,我们提出的模型显示了更好的结果。

文件下载

资源详情

[{"title":"( 16 个子文件 488KB ) (论文加源码)(matlab代码)基于时频域特征分析和SVM分类器的DEAP脑电信号情感状态识别(四分类)","children":[{"title":"(论文加源码)基于时频域特征分析和SVM分类器的DEAP脑电信号情感状态识别(matlab代码)(四分类)","children":[{"title":"12733-31443-1-PB.pdf <span style='color:#111;'> 483.41KB </span>","children":null,"spread":false},{"title":"beta_band_filter.m <span style='color:#111;'> 764B </span>","children":null,"spread":false},{"title":"delta_band_filter.m <span style='color:#111;'> 556B </span>","children":null,"spread":false},{"title":"dwt analysis","children":[{"title":"svm_dwt_analysis_of_human_emotion.ipynb <span style='color:#111;'> 37.47KB </span>","children":null,"spread":false},{"title":"knn_dwt_emotion_recognition.ipynb <span style='color:#111;'> 2.02KB </span>","children":null,"spread":false}],"spread":true},{"title":"lowpass_filter.m <span style='color:#111;'> 527B </span>","children":null,"spread":false},{"title":"dwt_feature_extraxtion.m <span style='color:#111;'> 2.94KB </span>","children":null,"spread":false},{"title":"theta_band_filter.m <span style='color:#111;'> 766B </span>","children":null,"spread":false},{"title":"forGraphGeneration.m <span style='color:#111;'> 2.95KB </span>","children":null,"spread":false},{"title":"psd analysis knn and svm","children":[{"title":"knn.ipynb <span style='color:#111;'> 1.89KB </span>","children":null,"spread":false}],"spread":true},{"title":"alpha_band_filter.m <span style='color:#111;'> 741B </span>","children":null,"spread":false},{"title":"process_dwt_final.m <span style='color:#111;'> 3.04KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 679B </span>","children":null,"spread":false},{"title":"dwt_graphs.m <span style='color:#111;'> 2.18KB </span>","children":null,"spread":false},{"title":"readme.txt <span style='color:#111;'> 295B </span>","children":null,"spread":false},{"title":"process.m <span style='color:#111;'> 3.88KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明