.png){kind=icon}
返回
Cross-Subject EEG Emotion Recognition Using SSA-EMS Algorithm for Feature Extraction
.png){kind=icon}
OA
AI
DOI：10.3390/e27090986.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种新颖的SSA-EMS框架，该框架将奇异谱分析（SSA）与效应匹配空间滤波（EMS）相结合，整合了SSA的降噪能力与EMS的动态特征提取优势，以优化跨被试基于EEG的情绪特征提取。实验采用SEED数据集在两种评估范式下进行：跨被试样本组合和被试独立评估。研究中使用随机森林（RF）和SVM分类器对三种情绪状态（积极、中性、消极）进行配对分类。结果表明，SSA-EMS框架在全频带上的RF分类准确率超过98%，显著优于单一频带。值得注意的是，在被试独立评估中，模型准确率仍保持在96%以上，证实了算法强大的跨被试泛化能力。实验结果验证了SSA-EMS框架能够有效捕捉与情绪相关的动态神经差异。然而，二分类的局限性以及多模态扩展的潜力仍是未来研究的重要方向。
Keyword:
EEG
emotion recognition
EMS
SSA
cross-subject
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2
论文数:
956
被引数:
2.4W
机构
暂无机构信息
引用论文
Measuring Connectivity in Linear Multivariate Processes With Penalized Regression Techniques.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Identifying and Removing Interference and Artifacts in Multifractal Signals With Application to EEG SignalsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Improving reconstruction of time-series based in Singular Spectrum Analysis: A segmentation approach
PREAI
分享收藏
查看更多内容