基于线性核主成分分析和XGBoost的脑电情感识别 |
| |
引用本文: | 董寅冬,任福继,李春彬.基于线性核主成分分析和XGBoost的脑电情感识别[J].光电工程,2021,48(2):12-20. |
| |
作者姓名: | 董寅冬 任福继 李春彬 |
| |
作者单位: | 合肥工业大学计算机与信息学院,安徽合肥 230601;情感计算与先进智能机器安徽省重点实验室,安徽合肥 230601;合肥工业大学计算机与信息学院,安徽合肥 230601;情感计算与先进智能机器安徽省重点实验室,安徽合肥 230601;德岛大学工学部,德岛770-8509,日本 |
| |
摘 要: | 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X...
|
关 键 词: | 极端梯度提升 线性核主成分分析 脑电信号 情感识别 |
本文献已被 万方数据 等数据库收录! |
|