《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于加权KNN算法的脑电信号情绪识别
基于加权KNN算法的脑电信号情绪识别
2022年电子技术应用第10期
蔡 靖，袁守国，李 锐，徐梦辉
吉林大学 仪器科学与电气工程学院，吉林 长春130061
摘要： 情绪与人类的行为、家庭及社会密切相关。情绪不仅能反映人类的各种感觉、思想和行为，而且也是各种外部刺激所产生的心理和生理反应，所以在很多领域中对情绪的正确识别十分重要。情绪的变化会导致脑电图(EEG)信号发生变化，反之，这些变化也反映了情绪状态。基于DEAP数据库，对EEG信号进行时域特征和频域特征提取，通过PCA主成分分析法对特征进行降维处理。利用加权KNN算法进行5折交叉验证训练，最终对兴奋(excited)、放松(relaxed)、沮丧(depressed)、愤怒(angry)4种情绪状态的识别准确率达到80%。
中圖分類號(hào)： TP301.6
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.222526
中文引用格式： 蔡靖，袁守國(guó)，李銳，等. 基于加權(quán)KNN算法的腦電信號(hào)情緒識(shí)別[J].電子技術(shù)應(yīng)用，2022，48(10)：25-30，35.
英文引用格式： Cai Jing，Yuan Shouguo，Li Rui，et al. Emotion recognition of EEG signals based on weighted KNN algorithm[J]. Application of Electronic Technique，2022，48(10)：25-30，35.
Emotion recognition of EEG signals based on weighted KNN algorithm
Cai Jing，Yuan Shouguo，Li Rui，Xu Menghui
School of Instrument Science and Electrical Engineering，Jilin University，Changchun 130061，China
Abstract： Emotion is closely related to human behavior, family and society. Emotion can not only reflect all kinds of human feelings, thoughts and behaviors, but also the psychological and physiological responses produced by various external stimuli. Therefore, the correct identification of emotion is very important in many fields. The change of emotion will lead to the change of electroencephalogram(EEG) signal. On the contrary, these changes also reflect the change of emotional state. Based on the DEAP database, this paper extracts the time-domain and frequency-domain features of EEG signals, and reduces the dimension of the features by principal component analysis(PCA). The weighted KNN algorithm is used for 5-fold cross validation training. Finally, the recognition accuracy of excited, relaxed, depressed and angry emotions reaches 80%.
Key words : EEG signal；principal component analysis(PCA)；time-domain feature；frequency-domain feature；weighted KNN

0 引言

    情緒是人們對(duì)客觀事物的一種反饋方式，更是人們情感的表現(xiàn)方式，故而情緒識(shí)別被廣泛應(yīng)用于人工智能、心理學(xué)、情感計(jì)算、計(jì)算機(jī)視覺和醫(yī)學(xué)治療等領(lǐng)域[1]。生理信號(hào)是由人體內(nèi)的自主神經(jīng)系統(tǒng)活動(dòng)而產(chǎn)生的，既不會(huì)受到人為意志的控制，也不會(huì)被偽裝，可以客觀地反映人體的生理和心理活動(dòng)狀態(tài)，因而可以作為一種能夠較準(zhǔn)確判斷情緒狀態(tài)的依據(jù)。隨著科學(xué)技術(shù)的發(fā)展，基于生理信號(hào)(腦電、心電、脈搏、呼吸、皮溫、肌電、皮膚電導(dǎo))的情緒識(shí)別的研究取得了大量的成果。文獻(xiàn)表明，與大腦活動(dòng)最密切的EEG信號(hào)可以最真實(shí)地反映出人的情緒狀態(tài)[2]。

    近年來，基于腦電信號(hào)的情緒識(shí)別是當(dāng)前關(guān)于情緒研究領(lǐng)域和人機(jī)交互領(lǐng)域的熱門課題。Pane等人提出了一種將情緒側(cè)化和整體學(xué)習(xí)相結(jié)合的策略，對(duì)DEAP數(shù)據(jù)集采用隨機(jī)森林的方法進(jìn)行分類，分類準(zhǔn)確率為75.6%[3]；Verma等人基于DEAP數(shù)據(jù)庫(kù)使用支持向量機(jī)(Support Vector Machine，SVM)進(jìn)行多模態(tài)情緒識(shí)別[4]；Kolodyazhniy利用K-近鄰算法和交叉驗(yàn)證的方法對(duì)34名參與者的數(shù)據(jù)集進(jìn)行分析，對(duì)恐懼、悲傷及中性3種情緒狀態(tài)的識(shí)別準(zhǔn)確率最高達(dá)73.2%[5]。但這些方法識(shí)別情緒種類不多且準(zhǔn)確率較低，對(duì)此，本文提出一種采用加權(quán)KNN算法、基于DEAP數(shù)據(jù)庫(kù)的5折交叉驗(yàn)證的方法實(shí)現(xiàn)對(duì)興奮(excited)、放松(relaxed)、沮喪(depressed)、憤怒(angry)4種情緒的準(zhǔn)確識(shí)別，識(shí)別準(zhǔn)確率高達(dá)80%。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.ihrv.cn/resource/share/2000004952。




作者信息：

蔡  靖，袁守國(guó)，李  銳，徐夢(mèng)輝

(吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院，吉林 長(zhǎng)春130061)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容