《表3 4种情绪识别精度对比》
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。
图表编号 | XD00148643800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.30 |
作者 | 宋振振、陈兰岚、娄晓光 |
绘制单位 | 华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |