-
题名基于时频域组合特征的脑电信号情感分类算法
被引量:7
- 1
-
-
作者
贾小云
王丽艳
陈景霞
张鹏伟
-
机构
陕西科技大学电子信息与人工智能学院
西北工业大学计算机学院
-
出处
《科学技术与工程》
北大核心
2019年第33期290-295,共6页
-
基金
国家自然科学基金(61806118,61806144)资助
-
文摘
为了提高基于脑电信号(electroencephalogram,EEG)情感识别的准确率,提取了脑电信号的时域与频域特征,并且将其进行组合形成时频域组合特征,作为不同识别模型下的输入。采用集成决策树(bagging tree,BT)、贝叶斯线性分析(Bayesian linear discriminant analysis,BLDA)、线性判别分析(linear discriminant analysis,LDA)及支持向量机(support vector machine,SVM)四种浅层机器学习算法对EEG在效价与唤醒度上进行二分类情感识别。实验结果表明,DEAP数据集在效价上,基于时频域组合特征在BT分类器下的识别精度平均达到92.54%,在唤醒度维度上基于时频域组合特征在SVM下平均识别精度达到94.62%。
-
关键词
脑电信号
浅层机器学习算法
情感识别
时频域组合特征
-
Keywords
electroencephalogram
shallow machine learning algorithms
emotion recognition
combination feature
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度信念网络的乳腺肿瘤辅助诊断研究
被引量:3
- 2
-
-
作者
许凯波
罗广祥
孙震辉
-
机构
长安大学地球科学与资源学院
中国科学院遥感与数字地球研究所
-
出处
《计算机与数字工程》
2019年第3期582-586,共5页
-
基金
国家自然科学基金(编号:41471310)
陕西省教育厅重点实验室科研计划项目(编号:14JS010)资助
-
文摘
针对传统的浅层机器学习算法对乳腺肿瘤识别精度不高的问题,论文构建了一种基于深度信念网络(DBN)的乳腺肿瘤识别模型。首先对原始的乳腺肿瘤特征数据进行预处理,然后构建深度信念网络模型对乳腺肿瘤特征数据进行训练和识别,最后将深度信念网络模型的识别精度和传统的浅层机器学习算法的结果进行了对比。仿真实验结果表明,论文构建的基于深度信念网络的模型对乳腺肿瘤具有很好的识别效果,平均识别精度达到了98.45%,识别精度高于BP神经网络、LVQ神经网络、决策树和支持向量机(SVM)等浅层机器学习算法。
-
关键词
浅层机器学习算法
深度信念网络
乳腺肿瘤
辅助诊断
-
Keywords
shallow machine learning algorithm
deep belief network
breast tumors
aided diagnosis
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-