《表5 情感识别结果对比:共空间模式结合小波包分解的脑电情感分类》
实验结果与其他文献结果进行比较,如表5所示,Cheng[14]等采用最小化差异的迁移学习方法,将涉及相同任务的EEG特征通过CSP进行分类,分类精度为0.789 8;Song[15]等使用自适应CSP(Adaptive Common spatial patterns,ACSP)算法提取的特征向量进行SVM分类,分类精度为0.718 4;Ang等[16]利用时频和离散小波变换(Discrete Wavelet Transform,DWT)进行EEG特征提取,采用人工神经网络(Artificial Neural Network,ANN)进行两类情感分类的精度为0.818 0;Atkinson等[17]通过基于互信息的特征选择后,运用内核分类器进行EEG情感分类的精度为0.731 4;Zhuang等[18]采用经验模态分解(Empirical Mode Decomposition,EMD)提取EEG情感特征,使用ANN在DEAP数据集上进行两类情感分类的精度为0.719 9;最后两行显示了本文方法所得到的最优分类精度。从表5可知,基于本文提出的CSP与WPD算法提取的EEG特征,使用SVM和BLDA进行两类情感分类的精度比,目前的最优结果0.818 0[16]分别提高了4.4%和3.5%。
图表编号 | XD0035425600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 陈景霞、郑茹、贾小云、张鹏伟 |
绘制单位 | 陕西科技大学电气与信息工程学院、陕西科技大学电气与信息工程学院、陕西科技大学电气与信息工程学院、陕西科技大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |