1 合肥工业大学计算机与信息学院，安徽 合肥 230601
2 情感计算与先进智能机器安徽省重点实验室，安徽 合肥 230601
3 德岛大学工学部，德岛770-8509，日本
本文通过引入线性核的主成分分析和极端梯度提升(XGBoost)模型，给出了一种连续视听刺激下脑电(EEG)情感四分类识别算法。为体现适普性，文中使用传统的功率谱密度(PSD)作为脑电信号特征，并结合XGBoost学习得到weight指标下的特征重要性度量，然后使用线性核的主成分分析对经阈值选择的重要特征进行处理后送入XGBoost模型进行识别。通过实验分析，gamma频段在XGBoost模型识别的参与重要度明显高于其他频段；另外，从通道分布上看，中央、顶叶和右枕区相对于其他脑区发挥着较为重要的作用。本文算法在所有被试参与(SAP)和被试单独依赖(SSD)两种识别方案下的识别准确率分别达到78.4%和92.6%，相对其他文献的识别算法取得了较大的提升。本文提出的方案有助于改善视听激励下脑机情感系统的识别性能。
极端梯度提升 线性核主成分分析 脑电信号 情感识别 eXtreme gradient boosting linear kernel principal component analysis EEG emotion recognition
西安工程大学电子信息学院, 陕西 西安 710048
为了提高脑电信号的分类准确率,提出一种基于人工蜂群算法和BP神经网络的分类方法。针对反向传播(BP)神经网络存在全局搜索能力差、对初始权重敏感和人工蜂群算法的搜索公式精于探索但疏于开发等问题,采用全局搜索因子来增强人工蜂群算法的开发能力,再加入交叉运算来解决人工蜂群算法的全局搜索。采用改进的算法来优化BP神经网络对初始权重敏感的问题,进而实现对脑电信号的分类。实验结果表明,所提算法对脑电信号的分类准确率更高,分类准确率达到91.5%,而且可以加快收敛速度。
光计算 神经网络 脑电信号 人工蜂群 交叉运算 激光与光电子学进展
2020, 57(21): 212001
南京航空航天大学 生物医学工程系,南京 210016
在特定的实验条件下, 利用脑电图仪采集10名志愿者观看4个3D影像的脑电信号, 提取各时段的重心频率(Gravity Frequency , GF), 对重心频率进行数据整合处理；测量志愿者观看3D片源各时段的视差, 并转换为对应的会聚角(Optical Angle), 重心频率与会聚角的值进行相关性分析和曲线拟合处理。结果显示: 经过数据合并处理后, 脑电EEG(electroencephalogram)重心频率与观看3D影像时的会聚角存在一定的线性关系, 拟合优度最高的是三次曲线, 观看3D影像时的会聚角在1.778°～3.254°时重心频率呈现下降趋势, 这说明在此范围可能更容易使人感到不适。
三维影像 脑电信号 重心频率 会聚角 3D TV visual EEG gravity frequency optical angle
脑-机接口(Brain-computer interface,BCI)为人们提供了全新的与外界进行信息交流和控制的手段,具有非常重要的科学意义、学术价值和广阔的应用前景,是当今世界研究的热点.本文介绍了BCI的结构、类型和研究现状,分析了现有BCI系统存在的问题以及今后的发展方向.
脑-机接口 脑电信号 信息交流和控制
