《表5 单独提取各频段组功率谱密度、不对称系数特征进行分类识别Table 5 The power spectral density and asymmetric coefficient feature

  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》

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

注:p<0.05，结果均具有显著性意义

对于计算PSD、AI、香农熵和能量这4种特征，本文也分别将EEG信号分解为θ、α、β、γ4个频段，并将频段之间进行了组合，然后分别计算各个频段以及组合频段下的特征，再分别单独用每个频段以及频段组合的特征来进行情感的分类识别。结果如表5、6所示，可以发现在不同频段下这4种方法计算所得的特征在情感识别率上没有特别明显的差别，但γ-β、γ-α、γ-θ、β-α、β-θ、α-θ这6个频段组合下特征的情感识别率相对较高，因此本文将这个6个频段组合下的特征进行拼接作为最后的特征向量，送入SVM分类器进行分类与识别。