情绪作为人脑高级功能之一，会影响多种人类行为。脑电（EEG）因成本低、便携性强而广泛用于情绪分类研究。本研究考察非线性脑电特征和通道选择方法对情绪识别的影响。首先利用滑动窗口提取可反映脑状态的分形维数（FD），并基于全样本的 F-score 筛选前七个通道。随后分别基于前额通道、筛选通道及其组合通道，使用支持向量机（SVM）和 K 近邻（KNN）对效价和唤醒维度进行分类。结果显示，Fp2、AF8、Fpz 等前额通道在效价分类中具有重要作用；将前额通道与高 F-score 通道结合后，SVM 在整体样本上取得89.37%的效价分类准确率和87.07%的唤醒分类准确率。按个体计算的整体准确率也显著提升，尤其是 KNN 分类器在每位被试上均取得更好表现。这表明组合通道既能利用前额通道的情绪分类能力，也能兼顾个体差异。
关于本文的更多详情，请访问此链接。