基于EEG信号的情绪特征提取与分类综述

情绪作为对外界刺激的主观心理和生理反应，在我们的日常生活中无处不在。随着人工智能和脑科学的不断发展，通过EEG信号进行情绪识别已迅速成为一个多学科交叉的研究领域。本文调研了近五年来的相关科学文献，综述了基于EEG信号的情绪特征提取方法和分类方法。常用的特征提取分析方法包括时域分析、频域分析和时频域分析。广泛使用的分类方法包括基于Support Vector Machine (SVM)、k-Nearest Neighbor (KNN)、Naive Bayes (NB)等的机器学习算法，其分类准确率在57.50%至95.70%之间。基于Neural Network (NN)、Long and Short-Term Memory (LSTM)和Deep Belief Network (DBN)的深度学习算法的分类准确率在63.38%至97.56%之间。