基于EEG脑网络的情感分析与识别

摘要

情感是人类生活的一部分，其产生与表达受到人脑中枢神经系统的控制。研究人类情感表达的脑机制与脑功能差异，一方面可以帮助提高智能计算机对人类情感的识别与模拟能力，从而提高人机交互的能力；另一方面，有助于提高人类精神类疾病的自动化诊断与辅助治疗等。但是目前情感识别率普遍较低，因此需要寻找新的有效特征或方法以提高情感识别率。现有的众多研究已经表明，结合了复杂网络理论的EEG功能脑网络可以有效感知人脑功能性变化，从而进一步提高情感的识别率。本文使用DEAP数据构建4种情感EEG功能脑网络，提取网络属性，分析脑网络的同步性与差异性；选取局部属性特征进行情感识别，提高了情感的识别率；引入动态脑网络的概念，给出一种基于动态连接的EEG功能脑网络情感识别方法，和一种新的基于网络属性的、适于动态脑网络的非均匀分段与子状态划分的方法。研究表明使用基于动态连接脑网络的方法，可以进一步提高情感识别率。
　　本研究主要内容包括：⑴分析不同情感EEG功能脑网络的同步性与差异性。由于使用不同构建方法可能对研究结果带来影响，因此使用互信息与相位锁值两种不同的同步性测量方法，在DEAP数据集上构建不同效价与唤醒度下的基于静态连接的EEG功能脑网络，分析了不同情感刺激下的人脑信息处理的同步性与差异性，研究表明两种构建方法下得到的结论基本一致，不同效价与唤醒度下人脑功能网络的全局与局部信息处理能力不同，并且在不同的频段下脑网络组间差异不同。⑵对比脑网络上的不同属性，进行特征选择。结合复杂网络理论，通过提取网络均值、全局属性与局部属性节点度和中间中心度等特征，分析发现采用局部属性，尤其是非单一的节点度加中间中心度属性进行组间分类，可以有效提高情感的识别率。⑶给出基于动态连接的EEG功能脑网络情感分析与识别的方法。引入动态脑网络概念，给出一种基于动态连接的EEG功能脑网络情感分析与识别的方法，同时借鉴微状态研究方法，提出一种新的基于网络属性的子状态划分方法。该方法采用多种全局属性确定 K值，通过该 K值进行K-means聚类，从而得到能够有效表征时变性差异的子状态。研究发现，基于动态连接的EEG功能脑网络相较基于静态连接的EEG功能脑网络，可以进一步提高情感识别的准确率。

目录

声明

第一章 绪论

1.1 研究背景与研究意义

1.2 国内外研究现状

1.3 本文研究主要内容与创新点

1.4 本文章节安排

第二章 EEG脑网络与情感识别

2.1 情感模型

2.2 EEG功能脑网络

2.3 动态脑网络

2.4 复杂网络理论

2.5 实验数据及数据处理

2.6 小结

第三章 基于静态连接的EEG功能脑网络情感分析与识别

3.1 概述

3.2 基于相位锁值的静态连接功能脑网络构建及分析

3.3 基于互信息的静态连接功能脑网络构建与分析

3.4 基于PLV与基于MI的静态连接EEG功能脑网络比较

3.5 小结

第四章 基于动态连接的EEG功能脑网络情感分析与识别

4.1 概述

4.2 动态EEG脑网络的构建

4.3 基于动态连接EEG功能脑网络拓扑属性时变性分析

4.4 基于网络拓扑属性的非均匀分段与子状态划分

4.5 基于动态连接EEG功能脑网情感识别

4.6 基于静态连接与基于动态连接的EEG功能脑网络情感识别比较

4.7 小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

附录一

攻读硕士学位期间已发表和录用的学术论文