机构名称：
¥ 1.0
摘要：情绪识别是人类功能的重要组成部分。TextColorredit使个人能够对环境事件做出适当的反应并发展自我意识。大脑计算机接口（BCI）技术中的快节奏开发技术必须使未来的智能机器能够数字化和识别人类的情绪。为了实现这一目标，除其他视觉提示外，人类和机器都依赖面部表情。虽然面部表情有效地识别情绪，但它们可以人工复制，需要持续的监视。近年来，由于深度学习和机器学习技术的进步，脑电图（EEG）信号的使用已成为一种流行的情感识别方法。基于EEG识别情绪的系统涉及测量暴露于情绪刺激（例如图像，声音或视频）的受试者的大脑中的电活动。然后，使用机器学习算法来从与特定情绪状态相对应的电活动数据中提取特征。提取的脑电图信号的质量至关重要，因为它影响了系统的整体复杂性和机器学习算法的准确性。本文提出了一种方法，以提高基于脑电图的情绪识别系统的准确性，同时降低其复杂性。该方法涉及优化脑电图的数量，其放置在人头皮上以及测量信号的目标频带，以最大程度地提高高和低唤醒水平之间的差异。用于此目的的优化方法，称为简单同源性全局优化（SHGO）。实验结果表明，最佳地放置的六电极构造可以比14-电极构造获得更好的准确度，从而导致电极数量的复杂性降低了60％以上。这种方法会赋予有希望的结果，从而提高了基于脑电图的情感识别系统的效率和准确性，这可能会对各种领域产生影响，包括医疗保健，心理学和人类计算机接口。
Simplicial同源性全球脑电信号提取的情绪识别
主要关键词
相关文件推荐
