基于P300和极限学习机的脑电测谎探究.pdfVIP

第43卷 第2期 电 子 科 技 大 学 学 报 V_01．43 No．2 2014年3月 JournalofUniversityofElectronicScienceandTechnologyofChina M ar．2014 基于P300和极限学习机的脑电测谎研究 高军峰 ，张文佳 ，杨 勇。，胡佳佳 ，陶春毅 ，官金安 (1．中南民族大学认知科学国家民委重点实验室 武汉 430074；2．电子科技大学生命科学与技术学院 成都 610054； 3．江西财经大学信息技术学院 南昌 330013) 【摘要】极限学习机基于一种典型的单隐层前馈神经网络(SLFNs)，其有效性在模式识别很多领域得到证实。该文针对当 前的测谎方法的准确率不够高及训练时间较长的缺点，将ELM算法应用到测谎研究领域，作为分类器，对说谎者和诚实者的 两类脑电信号进行分类识别，并将实验结果和三类典型的分类器：支持向量机(SVM)、人工神经网络(ANN)和线性分类器(FDA) 的分类结果进行比较。实验结果表明，该方法不仅获得最高的训练和测试准确率，而且训练时间也大为缩短，证明了该方法 的测谎有效性。 关 键 词 脑电；极限学习机 测谎：神经网络：P300；支持向量机 中图分类号 R318 文献标志码 A doi：10．3969j／．issn．1001-0548．2014．02．028 LieDetectionStudyBasedonP300andExtremeLearningM achine GAOJun．feng ，ZHANGWen-jia’，YANGYong3，HUJia-jia，TAOChun-yiandGUANJin．na (1．KeyLaboratoryofCognitiveScience,South-CnetralUniversityforNationalities，StateEthnicAffairsCommission Wuhan 430074； 2．SchoolofLifeScienceandTechnology,UniversityofElectronicScienceandTechnoloyg ofChina Chengdu 610054； 3．SchoolofInformationTechnoloyg，JinagxiUniversityofFinnacenadEconomics Nnachang 330013) Abstract Extremelearningmachine(ELM)isatypicalSLFN (singlelayerfeedbacknetwork)andits efficiencyhasbeenprovedbymnay literaturesforpattern recognitions．In thispaper，ELM isappliedni lie detectionofrhtemsttimeinordertoovercomehtedisadvnatagesofhtecurrentliedetectionmehtodssuchas Ioweraccuracyandslowertraninigspeed．ELM isusedasaclassifiertoclassifyhteguiltynadinnocentsubjects． TheexperimenatlresultjScomparedwithsupportvectormachnie(SVM)．artilicialneuralnewtork(ANN)and fisherdiscriminationanalysis(FDA、．ThecomparisonresultsshowhtattheproposedmehtodobtaiIlShtehighest traniingnadtestnigaccuracywihthtefastestrtainnigspeed． Keywords EEG； extremelearnnigmachine； liedetection； neuralnetwork： P300； supportvector machine 近年来，基于生理