机构名称：
¥ 1.0
内部语音是一种自我指导的对话形式，它在认知发展，语音监测，执行功能和心理病理学中起着重要作用。尽管对其现象学，发展和功能的知识越来越多，但对内部语音的科学研究的方法仍然存在差异，并且在很大程度上是不整合的。脑电图（EEG），它是一种非侵入性脑部计算机界面（BCI）的方法，为内部语音研究带来了新的选择。由于脑电图的优势，越来越多的研究与内部语音有关。在此贡献中，内部语音中表达的不同单词通过应用EEG信号和支持向量机（SVM）来区分。使用向公众开放的“大声思考”数据集的脑电图数据。在实验中，从位于头顶上的128个传感器中获取了许多脑电图数据。因此，在第一个步骤中填写数据。之后，选定的数据通过经验模式分解（EMD）分解为各种固有模式函数（IMFS）。此外，使用希尔伯特变换来转换IMF，以检查适合区分内部语音的脑波带。最后，IMF的单个或组合由支持向量机（SVM）与各种内核进行分类。使用最合适的IMF和内核时，每个主题方案的平均结果为：F-评分：99.24％，准确性：99.24％和标准偏差（SD）：0.95。所有主题方案的最佳结果是：F-评分：99.67％，准确性：99.66％和标准偏差（SD）：0.27。获得的结果表明，所提出的方法可以很好地与内部语音差异。
基于...
主要关键词
相关文件推荐
