|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘要:主成分分析网络( Principal Component Analysis Network ,PCANet)是基于深度学习理论的一种非监督式的特征提取方法,它克服了手工提取特征的缺点,目前其有效性仅仅在图像处理领域中得到了验证.本文针对当前谎言测试方法中脑电信号特征提取困难的缺点,首次将PCANet方法应用到一维信号的特征提取领域,并对测谎实验的, ^" Y, r. Z: X) T5 I. q6 ^
原始脑电信号提取特征,然后使用支持向量机(Support Vector Machine,VM)将玩坑看N以头有的内R日勺他1符的六识别,将实验结果和其它分类器及未使用特征提取的分类效果进行了比较.实验结果显示相对未抽取任何特征的方
2 N+ E+ S) I# o2 R9 p$ [5 Q! I8 u法,提出的方法PCANet _SVM可以获得更高的训练和测试准确率,表明了PCANet方法对于脑电信号特征提取的有效性,也为基于脑电信号的测谎提供了一种新的途径." Q8 A8 b& ^6 o- b; I& N, ^
关键词:主成分分析网络;脑电;测谎;深度学习;支持向量机! H8 Y" B8 y, i; v5 l* Y/ Q
基于PCANet和SVM的谎言测试研究.pdf
(721.96 KB, 下载次数: 0)
" Z1 Q" _+ k% P7 D5 {7 F0 D. o7 i+ W; T
|
|
/1 
发表于 2021-3-22 09:04
收藏
淘帖
支持！
反对！