从多通道EEG子频段的交叉主体情绪识别,使用Tsallis变特征和KNN分类器
Pragati Patel1, Sivarenjani Balasubramanian1, Ramesh Naidu Annavarapu2
1Department of Physics, Pondicherry University, Puducherry, 605014, India.
Brain informatics
|March 5, 2024
概括
这项研究改进了电脑电图 (EEG) 以使用Tsallis来检测情绪. 最好的准确度达到了84%,突出显示了马波段和前/左脑区域,以改善情绪识别.
科学领域:
- 神经科学是一个神经科学.
- 心理学 心理学 心理学
- 大脑与计算机的接口
背景情况:
- 人类情感识别是一个复杂的挑战,在多个科学领域的交叉点.
- 脑电图 (EEG) 数据为客观情绪检测提供了一个有希望的途径.
研究的目的:
- 开发和验证一种基于EEG的情绪检测的新方法.
- 调查Tsallis的特征对分类情绪状态的有效性.
主要方法:
- 从各种EEG信号波段 (甲,甲,乙,,整体) 中提取了Tsallis的特征 (q=2,3,4).
- 利用K-近邻 (KNN) 分类器训练并测试这些特征,以区分积极和消极的情绪.
- 分析了不同频段和大脑半球的功能性能.
主要成果:
- 实现了84%的峰值精度和0.87.87的F-分数.
- 采用Tsallis参数q=3的马频段 (32-55Hz) 产生了最好的平均精度 (79%) 和F-score (0.81).
- 与后半球和右半球相比,在前半球和左半球区域表现优越.
结论:
- 提议的Tsallis基于的方法为EEG情绪检测提供了一种竞争性和增强的方法.
- 确定了特定的频段 () 和大脑区域 (前,左) 对于准确的情绪分类至关重要.
- 承认的局限性和建议未来的研究方向,以进一步改进.
更多相关视频
08:51Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms
Published on: November 1, 2019
5.6K
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.9K