情绪EEG信号的特征提取
对5种情绪的EEG信号做了特征提取,4个波段,16通道,计算能量的均值。然后对这64个特征进行relief的计算,排序,得到11个较大值的特征值。
然后将这11个波段或者通道的数据,构成新的脑电信号,放进CNN网络进行训练,得到的识别率为44%。相比用原始信号进行CNN网络训练的89%来说,低了很多。
原因分析:
根据特征用relief算法进行选择,如果选择得到的数据无效,如果不是算法本身的问题,那么就是特征的问题,即这些不足以表达数据的本质信息。
情绪EEG信号的特征提取
对5种情绪的EEG信号做了特征提取,4个波段,16通道,计算能量的均值。然后对这64个特征进行relief的计算,排序,得到11个较大值的特征值。
然后将这11个波段或者通道的数据,构成新的脑电信号,放进CNN网络进行训练,得到的识别率为44%。相比用原始信号进行CNN网络训练的89%来说,低了很多。
原因分析:
根据特征用relief算法进行选择,如果选择得到的数据无效,如果不是算法本身的问题,那么就是特征的问题,即这些不足以表达数据的本质信息。