摘要
传统脑网络的情绪分类将聚类系数、平均最短路径等拓扑属性作为分类特征.针对这些属性易受网络连接阈值和特征选择的影响,难以完全表征不同情绪状态下的网络空间拓扑结构差异的问题,提出了一种基于脑网络和共空间模式的脑电情绪识别方法(EEG emotion classification based on common spatial patterns of brain networks topology,EEC-CSP-BNT).该算法基于互信息在各个子频段内计算电极间的功能连接矩阵,同时利用共空间模式(common spatial pattern,CSP)分析学习空间滤波器,构建分类特征,最后通过分类器(如Fisher线性判别、支持向量机、K最近邻)实现基于脑电的情绪分类.基于DEAP和SEED数据集的实验结果表明,相比于脑网络拓扑属性,EEC-CSP-BNT能有效提取脑网络拓扑结构的分类信息,提高脑电情绪识别性能.
基金项目
国家自然科学基金资助项目(61703065)
国家自然科学基金资助项目(61901077)
国家自然科学基金资助项目(61876201)
重庆市基础研究与前沿探索项目(cstc2018jcyjAX0151)
重庆市教委科学技术研究项目(KJQN201800612)
国家科技期刊平台
NSTL
维普
万方数据