原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第8期 电 子 学 报 Vo1．44 No．8
2016年 8月 ACTA EIECTRONICA SINICA Aug． 2016
基于 PCANet和 SVM的谎言测试研究
顾凌云 ，吕文志 ，杨 勇 ，高军峰 ， ，官金安 -一，周 到1,2
(1．中南民族大学生物医学工程学院认知科学国家民委重点实验室，湖北武汉430074；
2．医学信息分析及肿瘤诊疗湖北省重点实验室，湖北武汉430074；
3．华中科技大学武汉光电国家实验室，湖北武汉 430074；
4．江西财经大学信息管理学院，江西南昌330000；
5．电子科技大学生命科学与技术学院，四川成都610054)
摘 要： 主成分分析网络(PrincipalComponentAnalysisNetwork，PCANet)是基于深度学习理论的一种非监督式
的特征提取方法，它克服了手工提取特征的缺点，目前其有效性仅仅在图像处理领域中得到了验证．本文针对当前谎
言测试方法中脑电信号特征提取困难的缺点，首次将PCANet方法应用到一维信号的特征提取领域，并对测谎实验的
原始脑电信号提取特征，然后使用支持向量机 (SuppoaVectorMachine，SVM)将说谎者和诚实者的两类信号进行分类
识别 ，将实验结果和其它分类器及未使用特征提取的分类效果进行了比较．实验结果显示相对未抽取任何特征的方
法，提出的方法PCANet—SVM可以获得更高的训练和测试准确率，表明了PCANet方法对于脑电信号特征提取的有效
性，也为基于脑电信号的测谎提供了一种新的途径．
关键词 ： 主成分分析网络；脑电；测谎；深度学习；支持向量机
中图分类号： R318 文献标识码： A 文章编号： 0372—2112(2016)08—1969-05
电子学报 URL：http：／／www．ejourna1．org．ca DOI：10．3969／j．issn．0372—2112．2016．08．028
DeceptionDetectionStudyBasedonPCANetand
SupportVectorMachine
GULing—yun，，L0Wen．zhi。，YANGYong ，GAOJun．feng，，GUANJin．an，，ZHOUDao，
(1．SchoolofBiomedicalEngineering，South—CentralUniversityforNationalities，KeyLaboratoryofCognitiveScience，
StateEthnicAffairsCommission，Wuhan，Hubei430074，China；
2．HubeiKeyLaboratoryofMedicalInformationAnalyssiTumorDiagnossiandTreatment，Wuhan，Hubei430074，China；
3．WuhanNationalLaboratoryforOptoelectroncis，HuaZhongUniversityofScienceandTechnology，Wuhan，Hubei430074，China；
4．SchoolofInformationTechnology，Jiangxi l ofFinanceandEconomics，Na
文档评论（0）