基于IWOA-ELM算法的脑电情绪识别方法研究

情绪是人类重要的生理属性,情绪识别技术可以更好地辅助人类进行自我认识。本文针对不同受试者之间的脑电信号(EEG)存在巨大差异的难点,在传统鲸鱼优化算法(WOA)中引入新机制,加速算法的优化和收敛。同时,将改进的鲸鱼优化算法(IWOA)用于搜索极限学习机模型(ELM)中的最佳训练方案,包括最佳特征集、训练参数以及脑电通道。纳入24种常见的EEG情绪特征进行测试,发现不同受试者最佳脑电情绪特征之间存在一定特异性,同时也具有共性。本文所提方法在脑电情绪识别中获得92.19%的平均识别准确率,显著减少了手动调试模型的工作量,且具有更高的识别精度和更短的训练时间,相较于对照方法具备更优越的性能,为情绪脑电信号解码研究提供了新的思路。