【技术实现步骤摘要】
本专利技术属于人工智能，涉及情绪识别方法，具体涉及一种基于脑电信号特征融合的情绪识别分类方法。
技术介绍
1、情感交流是人类日常生活中必不可少的活动,情绪不仅可以维系人与人之间的密切关系,更是一种适应生存的基本保障。在人机交互与人工智能技术的相互发展下,产生了一种与情感相关并施加影响情感的计算——情感计算,目的是让机器能够自动感知、识别、分析以及推测人的情绪,使机器拥有更好的智能化交互,提高人性化水平的能力。情绪识别是情感计算中的关键环节,通常用生理或行为特征指标对服务用户的情绪状态进行判断。
2、传统的情绪识别方法主要使用时域、频域、时频域的分析来进行特征提取，但是大脑是一个非平稳、非线性的系统，采取线性的处理方法会遗失原信号的许多特征，导致模型分类效果不尽人意。
技术实现思路
1、针对现有技术的不足，本专利技术提出了一种基于脑电信号特征融合的情绪识别分类方法，通过测量脑电信号的复杂度来求取近似熵和模糊熵，基于信号的非线性特征进行分类识别，该方法可以反应信号的非线性特征，从而提升情绪识别效果。
2、一种基于脑电信号特征融合的情绪识别分类方法，具体包括以下步骤：
3、步骤1、对原始脑电信号数据进行预处理，保留有效信息。
4、在脑电信号采集的过程中，一般会包含50hz的工频干扰即噪声。同时，被采集者在脑电信号采集过程中的眨眼、眼动等动作也会产生伪迹，对脑电信号产生影响。由于电极与被采集者头皮的连接不稳定，还会存在部分通道数据采集失败的问
5、步骤2、计算脑电信号数据的特征，并进行特征融合。
6、首先对步骤1预处理后的脑电信号进行分段处理，将连续的脑电信号数据分割为长度相等的样本。然后依次计算每个样本的近似熵apen＝[apen1,apen2…,apenn]和模糊熵fuen＝[fuen1,fuen2…,fuenn]，其中，n为脑电信号的通道数量。
7、最后，将一个样本的近似熵与模糊熵进行融合，作为该样本的特征向量apfu，apfu＝[apen1,…,apenn,fuen1,…,fuenn]。
8、步骤3、使用lightgbm分类器进行情绪识别。
9、lightgbm分类器是一种基于dt模型的分布式梯度增强框架，使用叶子分裂方法生成决策树，并使用基于直方图的算法搜索特征分割点。首先，针对步骤2融合后的特征向量采用逐叶分割法，再采用基于直方图的算法将连续特征值加载到离散的桶盒中，利用直方图差值加速兄弟节点直方图的计算，从而加快训练过程，减少内存消耗。
10、本专利技术具有以下有益效果：
11、将近似熵和模糊熵结合有利于反应信号的非线性特征，提高分类识别的准确率。而lightgbm相比于其他传统机器学习模型，采用了高效的特征分裂策略和并行计算，大大提高了模型的训练速度，尤其适用于大规模数据集和高维特征空间，并能够在训练过程中不断提高模型的情绪识别能力，通过梯度提升技术进行模型优化，从而在分类和回归任务中获得较高的准确性。
本文档来自技高网...【技术保护点】
1.一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：具体包括以下步骤：
2.如权利要求l所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：对原始脑电信号数据依次进行滤波去噪、基线校正、剔除坏段、插值坏导、去伪迹和重参考处理。
3.如权利要求1或2所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：选用频率为18～40Hz的带通滤波器对原始脑电信号数据进行滤波去噪。
4.如权利要求1或2所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：所述基线校正将脑电信号的平均值调整为零；
5.如权利要求1所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：对步骤1预处理后的脑电信号进行分段处理，将连续的脑电信号数据分割为长度相等的样本；然后依次计算每个样本的近似熵ApEn＝[ApEn1，ApEn2...，ApEnN]和模糊熵FuEn＝[FuEn1，FuEn2...，FuEnN]，其中，N为脑电信号的通道数量；
6.如权利要求1所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：所述L
7.如权利要求1所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：采用树结构Parzen估计器算法对LightGBM分类器的超参数进行优化。
8.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1、2、5～7中任一项所述的方法。
...【技术特征摘要】
1.一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：具体包括以下步骤：
2.如权利要求l所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：对原始脑电信号数据依次进行滤波去噪、基线校正、剔除坏段、插值坏导、去伪迹和重参考处理。
3.如权利要求1或2所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：选用频率为18～40hz的带通滤波器对原始脑电信号数据进行滤波去噪。
4.如权利要求1或2所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：所述基线校正将脑电信号的平均值调整为零；
5.如权利要求1所述一种基于脑电信号特征融合的情绪识别分类方法，其特征在于：对步骤1预处理后的脑电信号进行分段处理，将连续的脑电信号数据分割为长度相等的样...
【专利技术属性】
技术研发人员：陈芳妮，钟林展，万健，童威，张蕾，黄杰，王海江，张丽娟，徐文建，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。