[发明专利]基于脑电信号进行情感分析的层级Bagging方法

权利要求书

1.一种基于脑电信号进行情感分析的层级Bagging方法，其特征在于，所述基于脑电信号进行情感分析的层级Bagging方法包括以下步骤：

第一步，样本数据预处理，手动剔除脑电样本数据中眼电信号和肌电信号的噪声；

第二步，样本集划分，将每人每次实验数据作为一个样本集，样本集划分为不相交的训练集和测试集，利用训练集训练出学习器模型，利用测试集做衡量标准选择效果更优的学习器；

第三步，特征提取和特征选择，提取样本的差分熵特征，根据样本情况选择出高表现力低冗余性的特征。

第四步，集成各分类算法并投票。

2.如权利要求1所述的基于脑电信号进行情感分析的层级Bagging方法，其特征在于，所述基于脑电信号进行情感分析的层级Bagging方法的层级Bagging分类包括：

(1)抽样：将样本进行有放回抽样，形成n×k个数据子集，n为分类算法个数，k为分类算法内部数据子集个数；

(2)训练及预测：每k个数据子集用于一个分类算法，每个算法训练出k个分类器，共训练出n×k个分类器，用测试集预测；

(3)投票：将同一样本的n×k个测试结果投票，选出票数最多的作为标签作为该测试集样本的结果；

在每个样本集上进行(1)-(3)操作，最后算法准确率结果为所有样本集测试集的准确率均值。

3.如权利要求1所述的基于脑电信号进行情感分析的层级Bagging方法，其特征在于，所述基于脑电信号进行情感分析的层级Bagging方法在对样本进行划分时，选取单人单次实验的所有数据为一个样本集，样本以1s时间作为划分标准，最后算法的准确率是所有样本集的结果平均值。

4.如权利要求1所述的基于脑电信号进行情感分析的层级Bagging方法，其特征在于，所述基于脑电信号进行情感分析的层级Bagging方法在进行特征提取的时候采用差分熵特征公式为：

推导化得出：

其中X为时间序列，遵从N(μσ²)的高斯分布，μ为均值，σ²为方差，计算公式如下：

计算出的差分熵特征格式为：通道*时长*频带。

5.一种基于权利要求1所述的基于脑电信号进行情感分析的层级Bagging方法的基于脑电信号进行情感分析的层级Bagging系统，其特征在于，所述基于脑电信号进行情感分析的层级Bagging系统的集成各分类算法并投票部分包括：

抽样模块，用于对样本训练集进行有放回抽样，抽样的比率原样本训练集所有数据的<50％，抽样采用有放回随机模式，每次抽出的数据作为一个数据子集；不同数据子集之间可能有交集，所有数据子集的并集也有可能不完全覆盖整个样本训练集；

训练及预测模块，用于训练分类器并测试分类器效果，每次采用一个训练子集训练，用测试集在训练好的分类器上预测结果，每k个训练子集都用同一种分类算法，共n个算法，即每个时间样本都有n×k个分类结果；

投票模块，用于将不同训练子集训练出的分类模型进行误差平均，对结果进行投票，选出票数最多的作为该时间样本的最终结果。

6.一种应用权利要求1～4任意一项所述基于脑电信号进行情感分析的层级Bagging方法的脑电信号处理系统。