PCANet和SVM的谎言测试研究

grand

摘要:主成分分析网络( Principal Component Analysis Network ,PCANet)是基于深度学习理论的一种非监督式的特征提取方法,它克服了手工提取特征的缺点,目前其有效性仅仅在图像处理领域中得到了验证.本文针对当前谎言测试方法中脑电信号特征提取困难的缺点,首次将PCANet方法应用到一维信号的特征提取领域,并对测谎实验的
原始脑电信号提取特征,然后使用支持向量机(Support Vector Machine,VM)将玩坑看N以头有的内R日勺他1符的六识别,将实验结果和其它分类器及未使用特征提取的分类效果进行了比较.实验结果显示相对未抽取任何特征的方
3 M8 t7 n# ], t& S3 k* A- u法,提出的方法PCANet _SVM可以获得更高的训练和测试准确率,表明了PCANet方法对于脑电信号特征提取的有效性,也为基于脑电信号的测谎提供了一种新的途径.
0 r2 ~' p; b7 z* g关键词:主成分分析网络;脑电;测谎;深度学习;支持向量机
4 _7 |; G* W# G5 ~ 基于PCANet和SVM的谎言测试研究.pdf (721.96 KB, 下载次数: 0)

2021-3-22 09:04 上传

点击文件名下载附件
下载积分: 威望 -5

7 t, B: R: n- c: Q8 m$ u
0 g3 p: f/ S' m: ^

dull

PCANet和SVM的谎言测试研究，收藏了。