《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 設(shè)計應(yīng)用 > 基于加權(quán)KNN算法的腦電信號情緒識別
基于加權(quán)KNN算法的腦電信號情緒識別
2022年電子技術(shù)應(yīng)用第10期
蔡 靖,,袁守國,,李 銳,徐夢輝
吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院,,吉林 長春130061
摘要: 情緒與人類的行為,、家庭及社會密切相關(guān)。情緒不僅能反映人類的各種感覺,、思想和行為,,而且也是各種外部刺激所產(chǎn)生的心理和生理反應(yīng),所以在很多領(lǐng)域中對情緒的正確識別十分重要,。情緒的變化會導(dǎo)致腦電圖(EEG)信號發(fā)生變化,,反之,這些變化也反映了情緒狀態(tài),?;贒EAP數(shù)據(jù)庫,對EEG信號進(jìn)行時域特征和頻域特征提取,,通過PCA主成分分析法對特征進(jìn)行降維處理,。利用加權(quán)KNN算法進(jìn)行5折交叉驗證訓(xùn)練,最終對興奮(excited),、放松(relaxed),、沮喪(depressed)、憤怒(angry)4種情緒狀態(tài)的識別準(zhǔn)確率達(dá)到80%,。
中圖分類號: TP301.6
文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.222526
中文引用格式: 蔡靖,,袁守國,李銳,,等. 基于加權(quán)KNN算法的腦電信號情緒識別[J].電子技術(shù)應(yīng)用,,2022,48(10):25-30,,35.
英文引用格式: Cai Jing,,Yuan Shouguo,Li Rui,,et al. Emotion recognition of EEG signals based on weighted KNN algorithm[J]. Application of Electronic Technique,,2022,48(10):25-30,,35.
Emotion recognition of EEG signals based on weighted KNN algorithm
Cai Jing,,Yuan Shouguo,Li Rui,,Xu Menghui
School of Instrument Science and Electrical Engineering,,Jilin University,Changchun 130061,,China
Abstract: Emotion is closely related to human behavior, family and society. Emotion can not only reflect all kinds of human feelings, thoughts and behaviors, but also the psychological and physiological responses produced by various external stimuli. Therefore, the correct identification of emotion is very important in many fields. The change of emotion will lead to the change of electroencephalogram(EEG) signal. On the contrary, these changes also reflect the change of emotional state. Based on the DEAP database, this paper extracts the time-domain and frequency-domain features of EEG signals, and reduces the dimension of the features by principal component analysis(PCA). The weighted KNN algorithm is used for 5-fold cross validation training. Finally, the recognition accuracy of excited, relaxed, depressed and angry emotions reaches 80%.
Key words : EEG signal,;principal component analysis(PCA),;time-domain feature;frequency-domain feature,;weighted KNN

0 引言

    情緒是人們對客觀事物的一種反饋方式,更是人們情感的表現(xiàn)方式,,故而情緒識別被廣泛應(yīng)用于人工智能,、心理學(xué)、情感計算,、計算機(jī)視覺和醫(yī)學(xué)治療等領(lǐng)域[1],。生理信號是由人體內(nèi)的自主神經(jīng)系統(tǒng)活動而產(chǎn)生的,既不會受到人為意志的控制,,也不會被偽裝,,可以客觀地反映人體的生理和心理活動狀態(tài),因而可以作為一種能夠較準(zhǔn)確判斷情緒狀態(tài)的依據(jù),。隨著科學(xué)技術(shù)的發(fā)展,,基于生理信號(腦電、心電,、脈搏,、呼吸、皮溫,、肌電,、皮膚電導(dǎo))的情緒識別的研究取得了大量的成果。文獻(xiàn)表明,,與大腦活動最密切的EEG信號可以最真實地反映出人的情緒狀態(tài)[2],。

    近年來,基于腦電信號的情緒識別是當(dāng)前關(guān)于情緒研究領(lǐng)域和人機(jī)交互領(lǐng)域的熱門課題,。Pane等人提出了一種將情緒側(cè)化和整體學(xué)習(xí)相結(jié)合的策略,,對DEAP數(shù)據(jù)集采用隨機(jī)森林的方法進(jìn)行分類,分類準(zhǔn)確率為75.6%[3],;Verma等人基于DEAP數(shù)據(jù)庫使用支持向量機(jī)(Support Vector Machine,,SVM)進(jìn)行多模態(tài)情緒識別[4];Kolodyazhniy利用K-近鄰算法和交叉驗證的方法對34名參與者的數(shù)據(jù)集進(jìn)行分析,,對恐懼,、悲傷及中性3種情緒狀態(tài)的識別準(zhǔn)確率最高達(dá)73.2%[5]。但這些方法識別情緒種類不多且準(zhǔn)確率較低,,對此,,本文提出一種采用加權(quán)KNN算法、基于DEAP數(shù)據(jù)庫的5折交叉驗證的方法實現(xiàn)對興奮(excited),、放松(relaxed),、沮喪(depressed),、憤怒(angry)4種情緒的準(zhǔn)確識別,識別準(zhǔn)確率高達(dá)80%,。




本文詳細(xì)內(nèi)容請下載:http://forexkbc.com/resource/share/2000004952,。




作者信息:

蔡  靖,袁守國,,李  銳,,徐夢輝

(吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院,吉林 長春130061)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。