基于相位空间重建拓学的跨组EEG情绪识别
Xuanpeng Zhu1, Mu Zhu1, Dong Li1
1Tianjin Key Laboratory for Control Theory and Applications in Complicated Systems, School of Electrical Engineering and Automation, Tianjin University of Technology, Tianjin 300384, China.
Entropy (Basel, Switzerland)
|October 28, 2025
概括
这项研究引入了电脑电图 (EEG) 情绪识别的新型拓特征,在正常听力和听力受损的个体中实现了高精度的情绪区分.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 电脑电图 (EEG) 信号非线性和文物对准确的情绪识别构成了挑战.
- 从复杂的EEG数据中提取有意义的特征需要先进的技术.
- 通过大脑活动了解情绪状态对于各种应用至关重要.
研究的目的:
- 通过提取拓特征来开发EEG情感识别的新方法.
- 为应对信号非线性和EEG分析中的人工物所带来的挑战.
- 为了提高不同学科群体的情绪识别的准确性和稳定性.
主要方法:
- 应用局部线性嵌入 (LLE) 来减少相位空间轨迹的维度,保留局部拓结构.
- 构建了16个新的拓特征,以描述多个尺度上的情绪的非线性动态模式.
- 利用独立的特征评估和大脑地形分析来选择最佳特征和电极通道.
主要成果:
- 在SEED和HIED数据集上,对正常听觉的受试者实现了90.33% (3类) 和77.17% (4类) 的平均准确度.
- 通过整合拓特征,在不同学科组的6级情感识别任务中显示了77.5%的平均准确性.
- 展示了拓特征在捕捉EEG信号中情感诱导的非线性动态方面的有效性.
结论:
- 拟议的拓特征为基于EEG的情绪识别提供了强大而有效的方法.
- 该方法对涉及正常听力和听力受损人群的应用有希望.
- 进一步整合拓特征与其他信号处理技术可以增强情绪识别能力.
