《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》

  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

《共空间模式结合小波包分解的脑电情感分类》

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

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%。