《表3 4种情绪识别精度对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于时序卷积网络的情感识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文在4种情绪的分类中也能够取得比较明显的效果，结果如表3所示。文献[26]去除了样本间一致性差的视频，共选取了17个视频作为实验数据，将数据进行分段，求取每段的alpha和beta波段的能量、beta和theta波段的能量比率、3个Hjorth参数、C0复杂度、方差和谱熵共计9个特征，采用KNN算法对4类情绪得到了70.04%的识别精度；文献[27]提出了一种针对脑电信号在HRI领域中使用的实时情绪估计方法获取与内在EEG模式相关的有意义的特征，使用高斯过程分类器（Gaussian-Process Classifier，GPC）最终得到四分类的识别精度为91.20%；文献[28]选取了所有通道中的15个通道，采用小波变换的特征，通过SVM和神经网络对情感进行识别，通过SVM得到了88.22%的识别精度，通过神经网络得到了90.20%的识别精度。