基于时频域特征与SVM分类器的DEAP脑电情感状态识别（含论文及Matlab源码，四分类）

简介：
本研究利用时频域特征和SVM分类器对DEAP数据库中的脑电信号进行分析，实现四种情绪状态的有效识别，并提供详细的论文与Matlab代码。 本段落提出了一种基于时频域特征的情绪检测方法。该方法使用箱线图选择最佳特征，并将其输入支持向量机（SVM）分类器中进行训练与测试，所用数据集为DEAP数据库，涵盖了32名不同性别和年龄组的参与者。实验结果显示，此方法在对测试数据集的情感识别准确率达到了92.36%，并且比现有的最先进方法具有更高的准确性。 本段落利用经过预处理后的脑电信号，在DEAP数据集中进行了效价与觉醒两种维度的情绪分类研究。首先通过快速傅里叶变换（FFT），将时域内的样本转换至频域，随后提取了对情绪识别至关重要的α、β和θ三个频带的数据，并根据每个情绪对应的象限进行平均处理。接下来使用这些平均值来计算统计特征。 之后，经过缩放的特征被输入到支持向量机分类器中以实现情感识别功能。研究发现，在利用偏度、峰度以及波熵等特征时，该方法能够达到92.36%的情感预测准确率，并且相较于其他现有的DEAP数据集处理方式显示出了更优的结果。