典型文献
基于稀疏低秩张量分解的情绪脑电多域特征提取与分类
文献摘要：
基于脑电信号(Electroencephalogram,EEG)的情绪分析和识别研究一直是脑科学领域的热点,利用复Morlet小波变换构建脑电张量,结合其低秩、稀疏的特点,提出一种EEG多域特征提取方法——稀疏正则的低秩逼近Tucker分解算法.该算法提取样本所特有的多域特征——核心张量和样本共有的因子矩阵,对情绪脑电进行分类和分析,克服了传统Tucker分解计算效率低,易导致维度爆炸的缺陷.实验结果表明,在MODMA数据集上,以核心张量作为多域特征进行EEG样本分类,对不同情绪刺激下抑郁症患者(MDD)的平均识别率为88.9％,且运算效率较传统Tucker分解提高约16倍.利用表征空间特征的因子矩阵对活跃脑区进行分析,实现对脑区空间层面动态变化的对比,发现MDD患者与正常对照组在效价与唤醒度的敏感度上的差异.SLraTucker分解算法能够有效提取EEG的多域特征,为分析情绪脑电以进行相应诊断提供了新的方法和思路.
文献关键词：
脑电信号;事件相关电位;张量分解;稀疏正则
中图分类号：
作者姓名：
黄金诚;高云园;佘青山;孟明
作者机构：
杭州电子科技大学圣光机联合学院,浙江 杭州310018;杭州电子科技大学自动化学院,浙江 杭州310018;浙江省脑机协同智能重点实验室,浙江 杭州310018
文献出处：
引用格式：
[1]黄金诚;高云园;佘青山;孟明-.基于稀疏低秩张量分解的情绪脑电多域特征提取与分类)[J].传感技术学报,2022(04):495-503
A类：
低秩张量分解,MODMA,SLraTucker
B类：
多域特征,脑电信号,Electroencephalogram,EEG,情绪分析,脑科学,科学领域,Morlet,小波变换,稀疏正则,低秩逼近,张量和,子矩阵,计算效率,情绪刺激,抑郁症患者,MDD,识别率,运算效率,表征空间,空间特征,脑区,间层,正常对照,效价,唤醒度,有效提取,应诊,方法和思路,事件相关电位
AB值：
0.303705
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
