基于稀疏表示的脑电（EEG）-ChinaXiv.PDFVIP

/article/02-2019-04-028.html 计算机应用研究 EEG * 基于稀疏表示的脑电（ ）情感分类 a, b a, b a, b† a, b a, b a, b 邓 欣 ，高峰星 ，米建勋 ，李丹妮 ，王 进 ，唐 云 (重庆邮电大学 a. 计算机科学与技术学院; b. 计算智能重庆市重点实验室, 重庆 400065) 摘 要：计算机对人类情绪与情感的识别研究已经成为了脑机接口领域的研究热点。通过分析人类在生活中的各种情 感状态，提取脑电信号的特征并对情感状态进行识别、分类是情感智能化领域的重要方向。针对基于音乐视频诱导的 情感数据集 DEAP 进行了研究，提取脑电信号的频域特征后，提出了采用加速近邻梯度算法（APG)和正交匹配算法 OMP SVM （ ）求解稀疏编码的稀疏表示分类模型进行情感分类，并与支持向量机算法（ ）做效果比较。实验结果表明， APG L1 OMP SVM 算法通过 范数正则近似求解以其快速的收敛速度在情感数据集上有着较好的分类表现，而 算法与 算法的分类效果相差无几，实现了情感脑电信号的分类。 关键词：脑电信号；稀疏表示；情感；加速近邻算法；正交匹配算法 中图分类号：TP391.4 1 v Classifying emotional EEG using sparse representation method 2 4 Deng Xina, b, Gao Fengxinga, b, Mi Jianxuna, b†, Li Dannia, b, Wang Jina, b, Tang Yuna, b 0 0 (a. School of Computer Science Technology, b. Chongqing Key Laboratory of Computational Intelligence, Chongqing 0 . University of Posts Telecommunications, Chongqing 400065, China) 5 0 Abstract: Computer recognition of human emotion has become a hot topic in the field of brain computer interface (BCI) in 8 1 recently years. By analyzing the various emotional states in people ’s life, extracting the features of EEG and classifying 0 emotional states is an important direction in the field of emotional intelligence . Based on the emotion data set induced by the 2 : music video, this researc