基于fNIRS的恐惧情绪分级研究

作者：许博俊^*; 刘化东; 李梦琪

来源：现代电子技术, 2023, 46(20): 142-146.

DOI：10.16652/j.issn.1004-373x.2023.20.026

• 功能性近红外光谱技术
• 恐惧情绪
• 情绪诱发
• 模糊熵
• 集合经验模态分解
• 支持向量机
• 随机森林
• K近邻算法

功能性近红外光谱技术（fNIRS）能够实现对恐惧情绪的分级。文中设计情绪诱发范式，并对恐惧程度进行分级，将恐惧水平分为三级（无恐惧、弱恐惧和强恐惧）。其次，采集20位受试者在三种情绪诱发视频下的fNIRS实验数据，采用支持向量机（SVM）、K近邻算法（KNN）和随机森林（RF）等三种算法作为分类器，提取fNIRS领域常用统计学特征和熵特征进行比较研究。结果表明，常用统计学特征最高准确率达到84%，而通过集合经验模态分解（EEMD）分解的模糊熵（FuEn）特征最终获得的准确率高达93.98%。研究结果表明，通过EEMD分解的FuEn是一种相较于常用统计学特征更加优秀的恐惧情绪分级特征，可为后续其他情绪的分级奠定基础。

• 单位
  昆明理工大学; 自动化学院