基于EEG的情绪识别通过层次的贝叶斯谱回归框架
Lei Yang1, Qi Tang1, Zhaojin Chen1
1Clinical Hospital of Chengdu Brain Science Institute, MOE Key Lab for Neuroinformation and School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu 610054, China.
Journal of neuroscience methods
|November 24, 2023
概括
这项研究引入了一种强大的等级贝叶斯谱回归 (HB-SR) 方法,以改进电脑电图 (EEG) 分析. HB-SR有效地减少了噪音工件,提高了从EEG数据中识别情绪的准确性.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 谱回归 (SR) 是一种基于图形的方法,用于信号处理中的维度减小.
- 在L2-规范空间中的传统SR方法容易受到电脑电图 (EEG) 信号中的工件的影响.
- 稳定性对于准确分析诸如EEG之类的杂生物数据至关重要.
研究的目的:
- 开发一个更强大的光谱回归框架,耐噪声和EEG信号中的工件.
- 用贝叶斯原则提高基于图形的回归模型的性能.
- 为了提高基于EEG的情绪识别的准确性.
主要方法:
- 提出了一个强大的等级贝叶斯光谱回归 (HB-SR) 框架.
- 纳入贝叶斯框架内的先前分布估计.
- 利用层次化的贝叶斯集团策略和自适应参数调整.
- 研究了高斯分布,拉普拉斯分布和Student-t分布,以提高普遍性.
主要成果:
- HB-SR有效地抑制了EEG信号中的噪音和人工物.
- 与现有的光谱回归技术相比,拟议的方法显示出更高的性能.
- 模拟研究和真实EEG情感识别实验验证实了框架的稳定性.
- 从EEG数据中实现了强大而准确的情绪识别.
结论:
- 基于图形的回归模型的稳定性得到了显著的改善.
- 在EEG信号处理中,HB-SR提供了一种有效的降噪方法.
- 开发的方法提高了基于EEG的情绪识别的可靠性和准确性.
