西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2010年
10期
120-124
,共5页
测谎%独立成分分析%脑电%P300两步降噪%支持向量机
測謊%獨立成分分析%腦電%P300兩步降譟%支持嚮量機
측황%독립성분분석%뇌전%P300량보강조%지지향량궤
为了克服传统测谎方法没有考虑到相同刺激下受试者思维状态变化的缺点,提出了基于P300和机器学习的测谎方法,该方法使用典型的3刺激测谎范式,首先记录30名随机划分的撒谎者和无辜者的12导脑电(EEG)信号,使用独立成分分析方法(ICA)分解由探针刺激产生的脑电信号,利用在Pz电极上分布强度大的独立分量重建Pz波形,将每名受试者的的若干个Pz波形进行平均,提取两步降噪后的每个Pz波形的时域和小波特征.最后,使用分类器区分P300和非P300波形,进一步计算出个体测谎诊断率.实验结果表明,支持向量机(SVM)适合于说谎意识状态的分类,提出的方法可以有效地改进单次刺激记录上的信噪比,提高P300成分的识别率,进而提高测谎诊断率.
為瞭剋服傳統測謊方法沒有攷慮到相同刺激下受試者思維狀態變化的缺點,提齣瞭基于P300和機器學習的測謊方法,該方法使用典型的3刺激測謊範式,首先記錄30名隨機劃分的撒謊者和無辜者的12導腦電(EEG)信號,使用獨立成分分析方法(ICA)分解由探針刺激產生的腦電信號,利用在Pz電極上分佈彊度大的獨立分量重建Pz波形,將每名受試者的的若榦箇Pz波形進行平均,提取兩步降譟後的每箇Pz波形的時域和小波特徵.最後,使用分類器區分P300和非P300波形,進一步計算齣箇體測謊診斷率.實驗結果錶明,支持嚮量機(SVM)適閤于說謊意識狀態的分類,提齣的方法可以有效地改進單次刺激記錄上的信譟比,提高P300成分的識彆率,進而提高測謊診斷率.
위료극복전통측황방법몰유고필도상동자격하수시자사유상태변화적결점,제출료기우P300화궤기학습적측황방법,해방법사용전형적3자격측황범식,수선기록30명수궤화분적살황자화무고자적12도뇌전(EEG)신호,사용독립성분분석방법(ICA)분해유탐침자격산생적뇌전신호,이용재Pz전겁상분포강도대적독립분량중건Pz파형,장매명수시자적적약간개Pz파형진행평균,제취량보강조후적매개Pz파형적시역화소파특정.최후,사용분류기구분P300화비P300파형,진일보계산출개체측황진단솔.실험결과표명,지지향량궤(SVM)괄합우설황의식상태적분류,제출적방법가이유효지개진단차자격기록상적신조비,제고P300성분적식별솔,진이제고측황진단솔.
