一种基于差分熵和的L1/2脑电波情感分类识别方法技术

本发明专利技术公开了一种基于差分熵和的L1/2脑电波情感分类识别方法，涉及脑电波情感分类识别技术领域，包括以下步骤：S1，使用差分熵对原始信号进行信号分解以去除噪声并获得脑电信号特征；S2，使用基于L1/2惩罚的稀疏逻辑回归模型建立分类模型,该方法可以在分类的过程中筛选脑电特征，使得数据更加稀疏从而有效地提升最终的分类精度；本发明专利技术的有益效果是：使用基于差分熵的特征提取以及具有L

A method of L1 / 2 EEG emotion classification and recognition based on differential entropy sum

【技术实现步骤摘要】
一种基于差分熵和的L1/2脑电波情感分类识别方法
本专利技术涉及脑电波情感分类识别
，具体是一种基于差分熵和的L1/2脑电波情感分类识别方法。
技术介绍
脑电图(EEG)是通过传感器数据获取的手段。脑-计算机接口(BCI)，也称为直接神经接口，是一种跨学科的尖端技术。它是人或动物的大脑(或脑细胞培养物)和外部装置之间建立的直接连接通路。BCI的作用是建立人脑与外部计算机或其他智能电子设备之间的通信。情感认知是BCI非常重要的一部分。情绪识别一般是指采集个体的生理或非生理信号，以自动识别个体的情绪状态。情绪识别是情绪计算的重要组成部分，在医学和工程学中具有非常重要的意义。目前，在信号预处理问题上，研究人员已经就如何从脑电信号中有效提取特征进行了大量研究。如何进行有效的信号分解是一个重要问题。针对这种情况，早期研究人员大多使用信号的第一个差异的统计指标(中位数、标准差、峰度对称性等)进行特征提取，然后提出谱密度(具有特定频带的EEG信号)，对数功率(LogBP)(基于信号振荡过程的频带功率)，Hjorth参数(EEG信号由活动，移动性本文档来自技高网...

【技术保护点】
1.一种基于差分熵和的L1/2脑电波情感分类识别方法，其特征在于，包括以下步骤：/nS1，使用差分熵对原始信号进行信号分解以去除噪声并获得脑电信号特征；/nS2，使用基于L1/2惩罚的稀疏逻辑回归模型建立分类模型。/n

【技术特征摘要】
1.一种基于差分熵和的L1/2脑电波情感分类识别方法，其特征在于，包括以下步骤：
S1，使用差分熵对原始信号进行信号分解以去除噪声并获得脑电信号特征；
S2，使用基于L1/2惩罚的稀疏逻辑回归模型建立分类模型。


2.根据权利要求1所述的一种基于差分熵和的L1/2脑电波情感分类识别方法，其特征在于，步骤S2的具体方法为：首先建立逻辑回归模型，求得对数似然，通过最小化对数求得其估计系数；然后为对数似然引入正则化项，建立稀疏逻辑回归模型，引入L1/2惩罚建立基于L1/2惩罚的稀疏逻辑回归模型。


3.根据权利要求1所述的一种基于差分熵和的L1/2脑电波情感分类识别方法，其...

【专利技术属性】
技术研发人员：彭翔，陈东伟，
申请(专利权)人：中山国佳物联网科技有限公司，
类型：发明
国别省市：广东;44