特征融合实现脑电信号情感分析

摘要

由于脑电信号具有非平稳、微弱、频段差异大的特点,在处理过程中难以获得较好的识别精度。为了提高脑电情感分析的性能,从特征提取和特征选择两个方面进行了探讨。在特征提取方面,在功率谱强度的基础上采用改进的平衡功率谱强度特征;在特征选择方面,提出一种特征融合算法,充分利用Relief和mRMR两种方法各自的优势,在提高识别性能的同时大幅度地降低了特征维度。采用支持向量机分类算法,在DEAP数据集上进行了实验。结果表明,相比于功率谱强度,平衡功率谱强度的分类准确率平均提高了6.22%,特征融合算法选择的特征相比于基线提高了3.90分,相比于Relief提高了1.84分,相比于mRMR提高了2.05分。基于平衡功率谱强度的特征融合算法,不仅其整体性能提升了,且其平均识别准确率在Valence维度上达到88.89%,在Arousal维度上达到87.73%,同时平均特征维度从160维减少至67维。