研究室论文《音乐视频诱发下EEG信号的唤醒度智能分类方法》被《机械制造与自动化》录用。
唤醒度作为人的重要情感，对脑疾病的检测和治疗帮助巨大。本研究提出在音乐视频诱发下，一种针对脑电（ElectroEncephaloGram, EEG）信号的唤醒度智能分类方法，以实现高唤醒度与低唤醒度区分。首先，使用DEAP（Dataset for Emotion Analysis using Physiological signals）公共数据集，选择与唤醒度紧密相关的15个电极通道。其次，分别进行带通滤波、降采样、特征提取、数据预处理与样本归一化等数据预处理。最后，利用两种经典机器学习分类器，即支持向量机（Support Vector Machine, SVM）与随机森林，实现唤醒度二分类。实验结果验证了提出的唤醒度分类方法的良好性能，将有助于孤独症、阿尔茨海默病等脑疾病的临床诊治与康复监测。
图 本研究的整体架构