1.情绪分类Tetromino
||| | ——– | ——– | | $论文名称$ | … | | $作者$ | … | | $机构$ | … | | $期刊$ | … | | $类别$ | … | | $方法$ | DWT和Tetromino模式一起用于生成低级特征和高级特征。采用迭代选择器来选择临床显著特征。传统的线性支持向量机分类器具有较高的分类精度 | | $结论$ | … | | $评价$ |…| —
解决的问题
创新点
(i)提出一种新的基于游戏的特征生成函数(Tetromino模式)
(ii)使用GAMEEMO, DREAMER和DEAP情绪EEG数据集获得最高的分类精度。
主要工作
这项工作分别通过应用mRMR特征选择器为DREAMER、GAMEEMO和DEAP数据集选择255、576和220个特征。选择合适的分类器以达到较高的分类精度。特征被馈送到线性支持向量机(线性SVM)分类器与十倍交叉验证策略。采用基于模式的多数投票方法。所使用的脑电图数据集有62个通道。因此，计算所有通道的结果。多数投票是用来获得最终结果的。 
基于Tetromino模式的情绪脑电分类系统框图
实验与数据集
数据预处理
使用mRMR选择器计算各种大小特征的损失值。为GAMEEMO EEG情感语料库的第一通道(AF3)迭代选择100到1000个特征