基于变尺度符号化补偿传递熵的EEG压力情感分析

摘要

基于脑电信号的情感识别,对于相关情感疾病的诊断与治疗有着重要的临床和科研意义.如何有效地提取特征,提高识别率,减少计算时间是研究的重点.从研究脑通道间定向信息交互的角度出发,结合对瞬时因果效应的补偿算法,提出以变尺度符号化补偿传递熵(VSSCTE)为特征的情感分析方法,并以此构建情感因效性脑网络,使用网络测度与ReliefF特征优化选择算法进行通道选择.结果显示,在使用DAEP数据集中处理后的127个压力状态和125个平静状态的数据时,较传统的二元传递熵方法,VSSCTE的特征提取方法在压力和平静情感二分 类上的准确率提升约15％,达到96.74％;进行脑电通道优化后,当通道数由32个降至15个时,分类准确率仅下降约2％(分类准确率为94.36％),计算时间从51.27 s降至23.84 s.所提出的VSSCTE脑电特征提取方法可以有效分析情感变化时脑区之间的信息交互,为情感分析和计算提供新的思路.