公开(公告)号：CN119782784A

公开(公告)日：2025-04-08

申请号：CN202411989245.1

申请日：2024-12-31

Applicant: 哈尔滨理工大学

Inventor： 钱虹旭 ,  王永鑫

IPC: G06F18/213 ,  A61B5/16 ,  A61B5/369 ,  A61B5/372 ,  G06F18/214 ,  G06F18/2431 ,  G06F18/22 ,  G06F17/15

Abstract: 基于经验模态分解和改进的多尺度模糊熵的情绪识别方法，属于情绪信息识别领域。现有的情绪脑电识别研究中仍存在鄂的伪迹去除方法导致重要信息丢失或去除不完全、多通道串扰问题影响情绪识别的实时性和准确性、情绪分类方法存在局限性且泛化性能较低的问题。基于经验模态分解和改进的多尺度模糊熵的情绪识别方法，包括选用DEAP数据集导入EEGlab中进行预处理；使用经验模态分解出各个频段的IMF；利用改进的多尺度模糊熵计算各个频段的IMF的模糊熵作为特征向量；利用最大互信息系数方法获得最优特征向量；将最优特征向量输入到SVM中，将样本输入到高维空间，找到最优分类面，实现样本分离。本发明采用的特征提取、特征选择方式更加利于情绪分类问题。

公开(公告)号：CN118806281A

公开(公告)日：2024-10-22

申请号：CN202410938240.X

申请日：2024-07-12

Applicant: 哈尔滨理工大学

Inventor： 王永鑫 ,  徐龙奇 ,  钱虹旭 ,  林海军 ,  张旭辉

IPC: A61B5/16 ,  A61B5/369 ,  A61B5/374 ,  A61B5/00 ,  G06F18/2411 ,  G06N3/006

Abstract: 本发明公开了一种基于PSO‑SVM算法的改进EWT用于抑郁情绪识别的方法，涉及脑电信号的特征提取与分类领域。该方法选取静息态脑电128通道中最能体现抑郁脑电异常的脑前额叶的Fpz通道，基于Morlet小波对EWT进行改进，使用改进的EWT对脑电信号进行了准确的节律分解，有效提取脑电信号Alpha节律中频带功率、频带功率比、香农熵、置换熵、LZ复杂度及方差的六类与抑郁相关联的脑电特征，最后基于PSO‑SVM算法对已提取出的多域特征进行抑郁的识别分类。最终在MODMA公开数据集中取得81.25％的准确率，有效提高了在脑电信号Alpha节律中抑郁情绪识别的准确率，降低了计算复杂度。