[发明专利]一种对不同情绪脑电数据进行特征提取及识别的方法

权利要求书

1.一种对不同情绪脑电数据进行特征提取及识别的方法，其特征在于，步骤为：基于脑电数据，采用滑动时间窗以及传递熵的方法构建大脑的动态有向网络；然后分别利用全局效率、聚类系数以及节点度的计算方法，提取动态有向网络的功能性整合、功能性分离以及网络中心性特征；再将全脑节点分为左右两个部分，并将每一个网络分为四个子网络，计算提取不同脑区信息流向特征，最后将这些特征作为输入，结合支持向量机机器学习算法对不同情绪的脑电数据进行分类识别。

2.根据权利要求1所述的一种对不同情绪脑电数据进行特征提取及识别的方法，其特征在于，具体步骤如下：

(1)、获得经过预处理的脑电数据，根据脑电通道位置定义大脑功能网络的节点；

(2)、提取大脑网络每个节点的神经信号时间序列，并提取其中的θ波段信号；

(3)、采用滑动时间窗方法，将所得到的大脑功能网络每个节点的时间序列划分成若干相互重叠、长度相同的子段，根据传递熵的方法，构建随时间变化的大脑动态有向网络；

(4)、利用全局效率的计算方法提取大有向网络的功能性整合特征：

式中：N表示有向网络中节点的数量；l_ij表示有向网络中节点i到j的最短路径；全局效率反应了网络信息的全局传输能力；全局效率与网络中各节点间信息传递的效率成正比；

(5)、利用聚类系数的计算方法，提取有向网络的功能性分离特征：

式中：n为有向网络中节点的个数；N为有向网络中所有节点的集合；t_i是节点i与邻近节点边的数量；k_i代表节点i的度，刻画了相邻节点的数量。节点的聚类系数越大，则该节点位置处的分离能力越强，网络的局部信息传输能力越强；

(6)、利用节点度的计算方法，提取有向网络中心性特征：

式中：ρ_hj是节点h和j之间最短路径的数量；ρ_hj(i)是节点h和j之间通过节点i的最短路径的数量；N为有向网络中所有节点的集合；n为有向网络中节点的个数；

(7)、提取网络信息流向特征；将全脑节点分为左右两部分，并将每一个有向网络重新划分为4个子网络，对每一个子网络所有节点的值进行求和，进而获得不同情绪状态下，不同脑区信息流流向随时间的变化特征；

(8)、利用上述步骤(4)-步骤(7)提取的特征作为输入，结合支持向量机的机器学习算法，对不同情绪进行分类识别。