-
题名二次滑动粗粒化的快速样本熵脑电情感分析
被引量：2
- 1
-
-
作者
朱永升
钟清华
蔡冬丽
廖金湘
-
机构
华南师范大学物理与电信工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第1期57-60,74,共5页
-
基金
国家自然科学基金资助项目(61871433)
广东省优秀青年教师培养计划资助项目(YQ2015046)
广州市珠江科技新星资助项目(201610010199)。
-
文摘
针对传统单一尺度样本熵对脑电信号(EEG)序列特征提取不明显、多尺度熵在粗粒化过程中会遗漏重要信息导致情感分类性能下降以及样本熵算法效率不高的问题,提出了一种基于二次滑动均值粗粒化的多尺度快速样本熵脑电特征提取方法。由于不同情感的脑电信号存在差异性,先采用二次滑动均值粗粒化对脑电信号进行多尺度处理,然后利用快速样本熵算法提取不同时间尺度的样本熵值作为特征向量,结合随机森林(RF)分类模型来识别不同的情感状态。提出的方法对多模态标准情感数据库DEAP进行了研究,发现大脑额区和右脑对情感比较敏感,正性、中性和负性情感在大脑侧额区获得了88.75%的平均分类准确率。实验结果表明,该方法可以有效地提取脑电特征,并且能够保证算法的效率。
-
关键词
脑电信号
情感识别
二次滑动均值粗粒化
快速样本熵
随机森林
-
Keywords
EEG
emotion recognition
double sliding mean coarse granulation
FAST sample entropy
random forest
-
分类号
TN911.6
[电子电信—通信与信息系统]
-
-
题名改进滑动粗粒化和集成波动色散熵的故障诊断方法
- 2
-
-
作者
穆凌霞
田璐
冯楠
汪红鑫
张建
吴世海
刘丁
-
机构
西安理工大学自动化与信息工程学院
-
出处
《智能系统学报》
2025年第2期363-375,共13页
-
基金
国家自然科学基金项目(62373299,62127809)
陕西省重点研发计划项目(2024GX-YBXM-093)
+1 种基金
中国博士后科学基金项目(2022MD723834)
陕西省科协青年人才托举计划项目(20210114).
-
文摘
在多尺度波动色散熵中,多尺度粗粒化会忽略重构子序列部分相邻点之间的信息,并且子序列长度随着尺度因子的增大长度减小,这种特征提取的方法不利于故障分类。为了解决这个问题,本文提出了一种n次滑动粗粒化的方法,在确定的比例因子下,利用n次滑动方法保留了每点之间的信息,保证重构后的序列与重构前的序列长度一致。针对波动色散熵中映射技术过于单一的问题,本文利用集成波动色散熵对重构后的序列进行特征提取,使得熵计算更加准确。用西储大学等轴承数据集对算法进行了验证,所提方法的故障诊断精确度显著提高。
-
关键词
滑动粗粒化
序列重构
故障诊断
故障分类
集成波动色散熵
滚动轴承
振动信号
特征提取
-
Keywords
sliding coarsening
sequence reconstruction
fault diagnosis
fault classification
integrated fluctuation-based dispersion entropy
rolling bearing
vibration signal
feature extraction
-
分类号
TP273
[自动化与计算机技术]
-
