伯努利地图定量器的Lemniscate:用于EEG情绪识别的创新措施
Atefeh Goshvarpour1, Ateke Goshvarpour2,3
1Department of Biomedical Engineering, Faculty of Electrical Engineering, Sahand University of Technology, Tabriz, Iran.
Cognitive neurodynamics
|June 3, 2024
概括
这项研究引入了一种使用Lemniscate of Bernoulli's Map (LBM) 的新方法,用于先进的脑电图 (EEG) 情绪识别. 该方法实现了高精度,在从大脑信号中检测情绪方面表现优于现有系统.
科学领域:
- 情感计算是一种情感计算.
- 生物医学信号处理
- 神经科学是一个神经科学.
背景情况:
- 自动识别人类情绪对于临床和非临床应用至关重要.
- 基于多通道脑电图 (EEG) 的情绪识别仍然是一个重大挑战,因为EEG信号的非线性性质.
- 现有的方法往往难以捕捉大脑活动的复杂动态,以准确检测情绪.
研究的目的:
- 开发一个创新的自动化EEG影响识别系统.
- 引入一种新的非线性特征工程方法,使用伯努利地图的Lemniscate (LBM) 进行EEG信号分析.
- 评估LBM衍生特征对情绪识别的有效性.
主要方法:
- 基于伯努利地图的Lemniscate (LBM) 开发了一种非线性特征工程方法.
- 使用图形索引来表征LBM特征,并通过特征选择算法进行测试.
- 在DEAP和SEED-IV基准数据集上使用两种常规分类器来评估拟议的特征.
主要成果:
- 拟议的方法在DEAP数据集上实现了92.16%的最大准确性.
- 在SEED-IV数据集上,最高准确率达到了90.7%.
- 与最先进的方法相比,基于LBM的特征工程显著提高了情绪识别率.
结论:
- 伯努利地图的Lemniscate (LBM) 为表征生物信号动态提供了一个有前途的方法.
- 拟议的方法证明了从EEG信号中准确识别情绪的潜力.
- 这种技术可以帮助检测情感缺陷障碍,并推进情感计算.
