基于排列熵与多重分形指数结合的特征提取算法在情感识别中的应用

摘要：

通过对脑电信号的熵分析，进行了情感识别研究，并根据脑电信号的非线性特性以及多重分形特性的特点，提出了一种排列熵与多重分形指数相结合的情感脑电特征提取算法。该算法采用排列熵、Hurst指数、质量指数和奇异谱宽度相结合，实现情感脑电的特征提取，采用支持向量机( SVM))实现情感识别。结果显示，该算法两两情感识别，测试集最高正确率达到92.8%，除去激动对可怕外，正确率均在80%以上；与单独使用排列熵和分形指数特征的方法相比，最高正确率分别提高41.9%和31.2%。进一步分析了对积极和消极两类情感状态的识别效果，测试集平均正确率为78.3%，比排列熵与多重分形特征，测试集正确率分别提高了26.7%和1.6%。结果表明，基于排列熵与多重分形指数相结合的特征提取算法，能够充分挖掘脑电信号的非线性特性与多重分形特征信息，是一种有效的情感脑电特征提取算法。

关键词：脑电(EEG)信号、排列熵(PE)、多重分形指数、支持向量机(SVM)

所属期刊栏目：26

分类号：TP3;TN9

资助基金：河北省自然科学基金F2014203244;中国博士后科学基金2014M550582资助项目。

在线出版日期：2017-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：617-624