基于deap数据集的脑电情感分析（matlab代码）

 代码见个人主页：基于deap数据集的脑电情绪分析（matlab代码）

https://download.csdn.net/download/qq_45874683/73133881

---

这是一份利用matlab实现的基于deap数据集的脑电情绪识别。

基于以下方面处理了DEAP数据集：

1. PSD（功率谱密度）和DWT（离散小波变换）两种特征，根据唤醒和效价（高/低）对脑电评分  进行脑电情绪识别分类。

    运行process.m文件可以获取功率谱密度文本文件。

    生成的每个测试文件都包含α、β、δ和θ波功率谱密度比（通过总psd标准化），分别为效价、唤醒和组合输出。

---

2.关于脑电的简单概述：

5 Types Of Brain Waves Frequencies: Gamma, Beta, Alpha, Theta, Delta - Mental Health Daily

3.唤醒维度和效价维度的含义及其图表：

https://www.researchgate.net/figure/Arousal-valence-based-emotional-states_fig3_307587787

---

4.

    由论文可以得知，使用PSD特征和KNN/SVM无法获得很好的精度，因为它们主要只是人类思维状态的一种度量。

     但是DWT分析有助于我们获得除基于频率的psd之外的基于时间的特征。

     运行dwt_feature_extraction.m生成DWT分析波的测试文件。它由3个特征组成：小波能量、小波熵和标准差，以及arousla和valce的评级。

     注意，这里每个波被分成6秒的段（因此总共10段，总共60s）

     文件夹“psd analysis knn and svm”和“dwt analysis”已经包含处理过的文本文件和python代码，用于从这些测试文件中获取训练数据并进行分类。使用KNN和SVM运行ipynb文件进行分类。

 代码见个人主页：基于deap数据集的脑电情绪分析（matlab代码）

https://download.csdn.net/download/qq_45874683/73133881