《表4 单独提取各频段组GC特征进行分类识别Table 4 The GC feature values of each frequency band group are extracted separ
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
《基于脑电信号间Granger因果关系特征的情感识别》
注:P<0.05,结果均具有显著性意义
对于上述10组频段的Grange因果系数(Granger causality,GC)特征,分别将其每一频段组都单独作为特征来进行情感分类和识别,然后对比它们的识别率。实验结果如表4所示,并且均经过单样本T检验和单因素ANOVA等统计分析(p<0.05),均具有显著性。通过对比识别率accuracy和F1-score,可以发现在V、A、D 3个维度上均是θ、α、β、β-α和α-θ5个频段组较高(>70%),其中α频段组特征的识别率最高,说明α频段上脑区之间因果信息流特征对于情感发生时的区分能力最强,而θ频段特征对于情感的识别率则最低。从表4还可以发现,除了α频段组,其他组在Arousal和Dominance两个情感维度上识别率accuracy均有一些提高。而所有组的F1-score和accuracy大体上一致,表明了结果的可靠性。
图表编号 | XD0016989400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 赵亮、方芳、王伟、董寅冬 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学管理学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |