研究大腦對不同氣味的識別能力在嗅覺功能障礙評估和診斷等方面具有重要意義。本文提出將小波能量矩(WEM)作為嗅覺誘發(fā)腦電圖(EEG)信號特征并用于氣味分類。首先,通過試驗采集13種氣味的嗅覺誘發(fā)EEG數(shù)據(jù);其次,從嗅覺誘發(fā)EEG數(shù)據(jù)中提取WEM作為信號特征,并將功率譜密度(PSD)、近似熵、樣本熵及小波熵作為對比特征;最后,利用k近鄰(k-NN)、支持向量機(SVM)、隨機森林(RF)和決策樹分類器識別不同的氣味。結(jié)果表明,使用以上4種分類器,WEM特征分類準確率均高于其它特征,其中k-NN分類器與WEM特征結(jié)合的分類準確率最高(91.07%)。本文進一步對不同EEG信號的頻帶進行了探究,發(fā)現(xiàn)大多數(shù)基于γ頻帶的分類準確率優(yōu)于全頻帶及其他頻帶,其中γ頻帶WEM特征結(jié)合k-NN分類器的分類準確率最高(93.89%)。本文的研究結(jié)果一方面可為嗅覺功能評價提供新的客觀依據(jù),另一方面,也可為嗅覺誘發(fā)情緒的研究提供新的思路。

【文章頁數(shù)】：6 頁

【文章目錄】：
引言
1 數(shù)據(jù)來源與采集
    1.1 受試者信息及準備
    1.2 數(shù)據(jù)采集
2 特征提取
    2.1 小波能量矩特征提取
    2.2 其他特征提取
3 識別結(jié)果與討論
4 結(jié)論



本文編號：3788079