• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    心理測(cè)試中掩飾行為的識(shí)別研究

    2020-10-19 04:41:00王秀超鄭秀娟
    關(guān)鍵詞:學(xué)習(xí)機(jī)降維分類(lèi)器

    趙 童,黃 鉦,王秀超,李 淼,張 昀,鄭秀娟,劉 凱

    1.四川大學(xué) 電氣工程學(xué)院,成都 610065

    2.中國(guó)科學(xué)院 沈陽(yáng)自動(dòng)化研究所 機(jī)器人學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,沈陽(yáng) 110016

    3.中國(guó)科學(xué)院大學(xué) 計(jì)算機(jī)與控制學(xué)院,北京 100049

    4.中國(guó)人民解放軍空軍軍醫(yī)大學(xué) 軍事醫(yī)學(xué)心理學(xué)系,西安 710032

    5.西安交通大學(xué) 電子與信息工程學(xué)院,西安 710049

    1 引言

    心理測(cè)試作為一種科學(xué)的測(cè)試方法已得到廣泛應(yīng)用,近年來(lái),越來(lái)越多的人事單位運(yùn)用心理測(cè)試進(jìn)行人事選拔[1]。目前量表是衡量心理測(cè)驗(yàn)結(jié)果的最為有效的工具。但心理檢測(cè)量表也存在一些缺陷,比如無(wú)法有效檢測(cè)受試者在檢測(cè)過(guò)程中是否存在掩飾行為,導(dǎo)致測(cè)試結(jié)果不準(zhǔn)確,從而影響人事選拔決策的準(zhǔn)確性,影響人事選拔的決策。因此,為提高心理量表的有效性需對(duì)心理檢測(cè)過(guò)程中受測(cè)人員是否存在掩飾行為進(jìn)行有效識(shí)別。

    已有的方法主要通過(guò)測(cè)量受試者的血壓、皮膚電、脈搏和呼吸等生理信號(hào)來(lái)檢測(cè)。這些傳統(tǒng)方法都是通過(guò)人體的外圍生理信號(hào)間接反映大腦思維活動(dòng)的方法,具有片面性。而腦電信號(hào)是大腦組織電活動(dòng)和大腦功能狀態(tài)的直接反映,能夠準(zhǔn)確反映出受試者的心理狀態(tài),具有不可掩飾性[2]。然而受數(shù)據(jù)采集成本高的限制,國(guó)內(nèi)外并沒(méi)有將腦電信號(hào)應(yīng)用到人才選拔的心理測(cè)試研究行為的研究。近些年來(lái),許多學(xué)者提出了基于事件相關(guān)電位(Event Related Potentials,ERP)P300 和N400測(cè)謊方法。2014年高軍峰等提出了一種基于P300和極限學(xué)習(xí)機(jī)的腦電測(cè)謊方法[3],并且在2017年通過(guò)P300成份的樣本熵特征進(jìn)行測(cè)謊研究[4]。2016年,顧凌云等通過(guò)主成分分析網(wǎng)絡(luò)(PCANet)對(duì)P300 成分進(jìn)行特征提取,并用SVM 進(jìn)行分類(lèi)[5]。2017 年,艾玲梅等將人工免疫算法和超極限學(xué)習(xí)機(jī)相結(jié)合,提出了基于AIA-ELM的N400誘發(fā)電位的測(cè)謊方法[6]。陳冉等在2018年利用相鎖值算法和SVM 相結(jié)合對(duì)P300 進(jìn)行相同步測(cè)謊研究[7]等等。然而基于ERP 的測(cè)謊研究需要給予受試者固定的簡(jiǎn)單刺激從而誘發(fā)特定的ERP信號(hào),測(cè)試過(guò)程要求高。然而心理測(cè)試過(guò)程,受試者進(jìn)行心理答題,受到的刺激不固定,此時(shí)受試者腦電信號(hào)主要體現(xiàn)了其復(fù)雜思考的行為,而非特殊事件誘發(fā)的ERP 信號(hào)。因此,本文將通過(guò)分析被測(cè)人員在心理測(cè)試答題全程中整體的腦電信號(hào)(EEG),對(duì)其是否存在掩飾的行為進(jìn)行識(shí)別。

    由此可見(jiàn),由EEG 信號(hào)中提取有效的特征是掩飾行為識(shí)別的關(guān)鍵。EEG 信號(hào)傳統(tǒng)的特征提取方法主要有時(shí)域分析法(如均值方差特征)、頻域分析法(如功率譜估計(jì)、AR模型)、時(shí)頻域分析法(如小波變換)。文獻(xiàn)[8]證明了腦是一個(gè)隨機(jī)混沌的動(dòng)力學(xué)系統(tǒng),而EEG 信號(hào)具有明顯的非線(xiàn)性動(dòng)力學(xué)特征。傳統(tǒng)的分析方法無(wú)法提取EEG信號(hào)的非線(xiàn)性特征,因此,非線(xiàn)性動(dòng)力學(xué)分析方法能夠有效實(shí)現(xiàn)EEG 信號(hào)非線(xiàn)性特征的提取和分析[9]。目前,非線(xiàn)性動(dòng)力學(xué)方法主要有Lempel-Ziv 復(fù)雜度(Lempel-Ziv Complexity,LZC)[10]、樣本熵(Sample Entropy,SE)[11]、排列熵(Permutation Entropy,PE)[12]、模糊熵(Fuzzy Entropy,F(xiàn)E)[13]等。非線(xiàn)性分析法已經(jīng)在情感識(shí)別、癲癇的預(yù)測(cè)[14]、心臟疾病方面取得了顯著的進(jìn)展。

    本文提出了一種基于EEG信號(hào)非線(xiàn)性特征融合的方法并用于心理掩飾行為識(shí)別中。首先提取LZC、SE、PE、FE四種非線(xiàn)性特征,對(duì)不同的特征組合采用多維尺度分析(Multidimensional Scaling,MDS)[15-16]進(jìn)行融合及降維。最后,通過(guò)正則化核函數(shù)極限學(xué)習(xí)機(jī)(Regularization Kernel Extreme Learning Machine,RKELM)構(gòu)建分類(lèi)模型并驗(yàn)證了分類(lèi)器的性能。該方法有效識(shí)別受試者的掩飾行為,從而提高了心理檢測(cè)量表的效度。

    2 數(shù)據(jù)獲取

    本文所采用的實(shí)驗(yàn)數(shù)據(jù)由空軍軍醫(yī)大學(xué)提供。共招募27名身心健康的受試者參加心理測(cè)試題目問(wèn)答并記錄測(cè)試過(guò)程中的EEG 信號(hào),其中每位受試者均需進(jìn)行兩次試驗(yàn),分別記為試驗(yàn)一和試驗(yàn)二。在試驗(yàn)一中,受試者需要“正向”回答問(wèn)題,即選擇與參考答案一致的選項(xiàng)。在試驗(yàn)二中,受試者需要“反向”回答問(wèn)題,即選擇與參考答案相反的選項(xiàng),模擬在心理測(cè)驗(yàn)中的掩飾行為。在試驗(yàn)一和試驗(yàn)二測(cè)試中均含有50道雙選題。試驗(yàn)一用作模擬未掩飾行為,而試驗(yàn)二則用作掩飾行為。答題過(guò)程中受試者的EEG 信號(hào)使用Neuroscan 腦電記錄系統(tǒng)采集,電極的分布根據(jù)國(guó)際通用的標(biāo)準(zhǔn)10-20 系統(tǒng)[17],如圖1 所示,其中擁有 30 導(dǎo)通道記錄 EEG 信號(hào),2導(dǎo)通道記錄眼電信號(hào)(水平眼電HEOG 和垂直眼電VEOG),另外2 導(dǎo)通道(A1 和A2 通道)為平均參考電極。本文利用該實(shí)驗(yàn)過(guò)程中采集的EEG信號(hào)進(jìn)行掩飾行為的分析。

    圖1 實(shí)驗(yàn)電極放置圖

    3 方法

    本文提出了一種基于EEG信號(hào)非線(xiàn)性特征融合方法并用于心理測(cè)試掩飾行為的檢測(cè)。該方法包含4 個(gè)主要步驟:(1)對(duì)原始EEG信號(hào)進(jìn)行預(yù)處理;(2)提取預(yù)處理后EEG信號(hào)的LZC、SE、FE以及PE四種特征,并對(duì)以上特征進(jìn)行六種特征組合;(3)對(duì)每種特征組合進(jìn)行MDS 特征降維;(4)采用正則化核函數(shù)極限學(xué)習(xí)機(jī)RKELM 構(gòu)建分類(lèi)模型。該方法的流程圖如圖2 所示,具體方法將在后續(xù)文章中進(jìn)行詳細(xì)描述。

    3.1 EEG信號(hào)預(yù)處理

    本文中對(duì)EEG信號(hào)的預(yù)處理包含以下三個(gè)步驟:

    (1)對(duì)原始EEG信號(hào)采樣頻率從1 000 Hz降采樣至500 Hz,同時(shí)對(duì)EEG信號(hào)去除基線(xiàn)漂移和1~50 Hz帶通濾波。

    (2)用獨(dú)立成分分析法ICA 對(duì)信號(hào)進(jìn)行分解,去除眼電信號(hào)等干擾成份[18]。

    (3)去除2個(gè)眼電信號(hào)通道和2個(gè)參考電極,保留剩下的30 個(gè)通道的EEG 信號(hào),并根據(jù)受試者答題的時(shí)間進(jìn)行數(shù)據(jù)分段。

    3.2 EEG信號(hào)預(yù)處理

    本文選取了非線(xiàn)性動(dòng)力學(xué)里的Lempel-Ziv 復(fù)雜度(LZC)、樣本熵(SE)、排列熵(PE)和模糊熵(FE)四種特征對(duì)EEG進(jìn)行特征提取。

    3.2.1 Lempel-Ziv復(fù)雜度LZC

    Lempel-Ziv 復(fù)雜度表征了一個(gè)時(shí)間序列出現(xiàn)新模式的速率。LZC越高說(shuō)明出現(xiàn)新模式的概率越高,同時(shí)也說(shuō)明動(dòng)力學(xué)行為越復(fù)雜。LZC的計(jì)算方法如下:

    (1)對(duì)原始序列x={x1,x2,…,xN}進(jìn)行粗粒化,本文選擇序列平均值xi作為閾值。大于xi的為“1”,小于xi的為“0”,得到了一個(gè)由“0-1”組成的任意字符串X={X1,X2,…,Xn} 。

    (2)在字符串X后增加一個(gè)新的字符串Q組成新字符串XQ,將XQ中最后一個(gè)字符刪掉得到字符串XQv。

    (3)如果X包含Q,則稱(chēng)Q為X的復(fù)制,復(fù)雜度不變。若X不包含Q,則為插入,復(fù)雜度的值加1。對(duì)所有字符串中的全體都進(jìn)行以上的變化得到復(fù)雜度C(N)。

    (4)進(jìn)行歸一化處理,得到復(fù)雜度的最終表達(dá)式,如公式(1)所示:

    3.2.2 樣本熵SE

    樣本熵SE表示的是非線(xiàn)性動(dòng)力系統(tǒng)產(chǎn)生新模式的速率。樣本熵值越大,序列越復(fù)雜。SE的算法如下:

    (1)對(duì)原始序列x={x1,x2,…,xN}進(jìn)行相空間重構(gòu)以得到m維矢量,如公式(2)所示:

    (2)計(jì)算向量X(i)和X(j)之間的距離,向量X(i)和X(j)的距離為兩者對(duì)應(yīng)元素中差的絕對(duì)值最大的1個(gè),即:

    式中,k=1,2,…,m-1,i,j=1,2,…,m-1。

    (3)對(duì)每個(gè)i值,用n表示d[X(i),X(j)]小于r的數(shù)目。計(jì)算此數(shù)目與距離總數(shù)N-m+1 的比值,記作即:

    對(duì)其所有i值的平均值:

    (4)將維數(shù)加1,維數(shù)變?yōu)閙+1,重復(fù)步驟(1)到(3),得到。

    (5)當(dāng)序列長(zhǎng)度N為有限值時(shí),可得到樣本熵的估計(jì)值,表示為:

    3.2.3 排列熵PE

    當(dāng)級(jí)配碎石拌和完畢后應(yīng)及時(shí)采用大噸位自卸式卡車(chē)將其運(yùn)輸至施工現(xiàn)場(chǎng),運(yùn)輸過(guò)程中車(chē)輛的行駛速度不宜過(guò)快,避免混合料出現(xiàn)較為嚴(yán)重的離析現(xiàn)象,另外,運(yùn)輸車(chē)的車(chē)廂上方宜覆蓋一層帆布,以減小級(jí)配碎石混合料的水分散失。

    排列熵PE能夠衡量一維時(shí)間序列隨機(jī)性。該算法具有簡(jiǎn)單明了、計(jì)算速度快、抗噪聲能力強(qiáng)的優(yōu)點(diǎn),基本流程如下:

    (1)對(duì)序列x={x1,x2,…,xN}進(jìn)行相空間重構(gòu),得到:

    其中,m為嵌入維數(shù),τ為延遲時(shí)間。

    圖2 方法流程圖

    (2)將xs(t)中的重構(gòu)分量按數(shù)值大小升序排列為:

    j1,j2,…,jm表示重構(gòu)序列中各個(gè)元素所在位置的序號(hào),則位置序號(hào)π={j1,j2,…,jm} 有m!種不同的情況。

    (3)用f(π)表示每種排序模式出現(xiàn)的次數(shù),則其對(duì)應(yīng)的排序模式出現(xiàn)的概率為:

    其中1 ≤i≤m!,根據(jù)香農(nóng)熵定義,排列熵為:

    (4)對(duì)熵值進(jìn)行歸一化,可以得到:

    模糊熵FE是對(duì)樣本熵SE的改進(jìn),把樣本熵里的相似性度量公式采用指數(shù)函數(shù)作為模糊函數(shù),通過(guò)指數(shù)函數(shù)的連續(xù)性使得模糊熵值變得平滑。該算法的具體步驟如下:

    (1)對(duì)原始序列x={x1,x2,…,xN}進(jìn)行相空間重構(gòu)以得到m維矢量,如公式(12)所示:

    (2)計(jì)算向量X(i)和X(j)之間的距離,向量X(i)和X(j)的距離為兩者對(duì)應(yīng)元素中差的絕對(duì)值最大的1個(gè),即:

    式中,k=1,2,…,m-1,i,j=1,2,…,m-1。

    式中,n和r分別為模糊函數(shù)的邊界梯度和寬度。

    (4)定義函數(shù):

    (5)將維數(shù)加1,維數(shù)變?yōu)閙+1,重復(fù)步驟(2)到(4),得到φm+1。

    (6)定義模糊熵:

    3.3 MDS降維

    經(jīng)過(guò)預(yù)處理后有效的EEG信號(hào)有30個(gè)通道。選取n種特征融合,則初始特征因子就有n×30 維度。本文采用多維尺度分析(MDS)對(duì)數(shù)據(jù)組合降維。MDS是一種非線(xiàn)性降維方法,該方法的基本思想是降維后的低維空間中的矩陣Bm×q能夠保持高維矩陣Am×n數(shù)據(jù)點(diǎn)之間的聯(lián)系。對(duì)于特征矩陣Am×n(n是特征維度,m是特征個(gè)數(shù)),經(jīng)典的MDS具體過(guò)程如下:

    (1)計(jì)算距離矩陣P(其中元素pij表示xi和xj之間的距離)。P是一個(gè)對(duì)角線(xiàn)為0的實(shí)對(duì)稱(chēng)矩陣。

    (2)計(jì)算矩陣P中每個(gè)元素的平方,即:

    通過(guò)變換,由上式可得:

    (3)定義由bij構(gòu)成的內(nèi)積矩陣Β,由上式得式(20),其中為元素全為1的列向量。

    (4)計(jì)算內(nèi)積矩陣Β的q個(gè)最大特征值{λ1,λ2,…,λq}和對(duì)應(yīng)的q個(gè)標(biāo)準(zhǔn)正交化的特征向量y=(y1,y2,…,yq)。則降維后的q維空間坐標(biāo)為:

    3.4 正則化RKELM

    構(gòu)建分類(lèi)模型是決定腦電掩飾行為檢測(cè)的關(guān)鍵步驟,本文采用正則化核函數(shù)極限學(xué)習(xí)機(jī)[19](RKELM)來(lái)構(gòu)建分類(lèi)模型。正則化核函數(shù)極限學(xué)習(xí)機(jī)是基于極限學(xué)習(xí)機(jī)(ELM)[20-21]的改進(jìn)算法。相較于傳統(tǒng)的誤差反向傳播網(wǎng)絡(luò)(BPNN)通過(guò)梯度下降法迭代獲取網(wǎng)絡(luò)參數(shù),極限學(xué)習(xí)機(jī)通過(guò)直接獲取網(wǎng)絡(luò)參數(shù)的解析解,因此極限學(xué)習(xí)機(jī)具有更快的學(xué)習(xí)效率以及更優(yōu)越的泛化能力。

    如圖3 所示,極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)結(jié)構(gòu)與BPNN 相同,但是極限學(xué)習(xí)機(jī)的權(quán)重設(shè)置卻與BPNN 差距較大。假設(shè)訓(xùn)練樣本集為Xi∈Rk,i=1,2,…,n,訓(xùn)練樣本集的標(biāo)簽為T(mén)i∈Rv,i=1,2,…,n,若假設(shè)極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)的中間層節(jié)點(diǎn)數(shù)為M,輸入層到隱含層第j個(gè)神經(jīng)元的權(quán)重和偏置分別為Wj和bj激活函數(shù)為g(?),隱含層中第j個(gè)神經(jīng)元到輸出的權(quán)重為W2j,則有極限學(xué)習(xí)機(jī)的輸出為:

    圖3 極限學(xué)習(xí)機(jī)結(jié)構(gòu)圖

    將極限學(xué)習(xí)機(jī)的輸出轉(zhuǎn)換為矩陣相乘形式,即:

    同BPNN 相同,極限學(xué)習(xí)機(jī)希望能以0 誤差逼近訓(xùn)練樣本集的標(biāo)簽,即滿(mǎn)足:

    若滿(mǎn)足J=0,則有此時(shí)W2=H+T,其中H+為H的廣義逆矩陣,由此可見(jiàn)給定H,即可獲取隱含層到輸出層權(quán)值的解析解,相對(duì)于梯度下降法迭代更新權(quán)值,極限學(xué)習(xí)機(jī)具有更高的學(xué)習(xí)效率。

    為了提高極限學(xué)習(xí)機(jī)的泛化能力,可以將隱含層到輸出層的權(quán)值進(jìn)行正則化,則極限學(xué)習(xí)機(jī)的損失函數(shù)可以轉(zhuǎn)化為式(27),其中λ為經(jīng)驗(yàn)誤差所占的權(quán)重。

    構(gòu)造拉格朗日函數(shù),可以將極限學(xué)習(xí)機(jī)的損失函數(shù)轉(zhuǎn)化為:

    其中αi為拉格朗日算子,由KKT 條件可以得到極限學(xué)習(xí)機(jī)的最終輸出:

    核函數(shù)極限學(xué)習(xí)機(jī)是通過(guò)構(gòu)造核函數(shù)來(lái)代替hiHT,核函數(shù)極限學(xué)習(xí)機(jī)的輸出可以表示為:

    4 實(shí)驗(yàn)結(jié)果及分析

    采集27 名受試者的2 608 段EEG 信號(hào),包含1 314段“反向”回答(模擬掩飾行為)時(shí)采集的腦電信號(hào)以及1 294 段“正向”回答時(shí)采集的腦電信號(hào)。并從中提取214段“反向”回答時(shí)采集的腦電信號(hào)及294段“正向”回答時(shí)采集的腦電信號(hào)組成測(cè)試集以驗(yàn)證分類(lèi)模型性能,其他樣本作為訓(xùn)練集用于正則化核函數(shù)極限學(xué)習(xí)機(jī)訓(xùn)練。

    為更全面衡量分類(lèi)器性能,本文引入準(zhǔn)確率(ACC)、召回率(REC)以及特異性(SPE),其定義如下所示,其中TP、TN為正確分類(lèi)的正樣本及負(fù)樣本,F(xiàn)P、FN為誤分類(lèi)的正樣本和負(fù)樣本。本文中正樣本為“反向”回答時(shí)的腦電信號(hào),負(fù)樣本為“正向”回答時(shí)的腦電信號(hào)。

    一般而言,特征的選取直接決定分類(lèi)器的性能,基于不同特征組合的分類(lèi)器具有不同的性能,本文選取六種特征組合(FE+PE,LZC+SE+FE+PE,LZC+SE+FE,LZC+SE+PE,SE+FE+PE,F(xiàn)E),經(jīng)MDS 降維后,通過(guò)正則化核函數(shù)極限學(xué)習(xí)機(jī)訓(xùn)練分類(lèi)網(wǎng)絡(luò),所得到的分類(lèi)器性能如圖4所示,特征組合SE+FE+PE具有最高的準(zhǔn)確率和特異性,F(xiàn)E 具有最高的召回率,F(xiàn)E 的召回率僅比SE+FE+PE 高0.001,而FE 的特異性和準(zhǔn)確率卻比SE+FE+PE 分別低0.01 和0.006,因此綜合而言,特征組合SE+FE+PE 的分類(lèi)效果最佳。此外,圖5 為基于不同特征組合訓(xùn)練得到的分類(lèi)模型的ROC曲線(xiàn)和AUC 值,特征組合SE+FE+PE具有最高的AUC值,為0.882 6,而引入 LZC 的特征組合 LZC+SE+FE+PE 的 AUC 值僅為0.847 6,可見(jiàn)LZC的引入導(dǎo)致分類(lèi)模型性能的下降。

    此外,特征降維算法的選擇也是影響分類(lèi)性能的重要因素。為了驗(yàn)證MDS在心理測(cè)試中掩飾行為識(shí)別任務(wù)中的性能,基于不同分類(lèi)算法包括支持向量機(jī)、稀疏堆棧自編碼器(SSAE)、隨機(jī)森林(RF)和RKELM,本文對(duì)比了MDS 和四種常用特征降維算法,包含主成分分析(PCA)、核函數(shù)主成分分析(KPCA)、線(xiàn)性判別分析(LDA)及等度量映射(ISOMAP)在不同特征組合下的最佳分類(lèi)性能。實(shí)驗(yàn)結(jié)果如圖6 所示,MDS、PCA、LDA、KPCA以及ISOMAP在不同特征組合下所取得的最高分類(lèi)準(zhǔn)確率分別為82.9%,82.3%,80.3%,80.5%以及75%,其中MDS所取得的最佳分類(lèi)準(zhǔn)確率最高,其次為PCA,而ISOMAP效果最差,因此本文選用MDS作為特征降維算法。

    圖4 不同特征組合在進(jìn)行MDS降維和RKELM分類(lèi)后的分類(lèi)性能

    圖5 不同特征組合的ROC曲線(xiàn)和AUC值

    同時(shí),分類(lèi)器的選擇也是影響分類(lèi)性能的重要因素。為驗(yàn)證分類(lèi)器的選擇對(duì)最終分類(lèi)模型性能的影響,基于六種特征組合,通過(guò)多種分類(lèi)算法包含SVM、稀疏堆棧自編碼器(SSAE)、隨機(jī)森林(RF)訓(xùn)練分類(lèi)模型,并通過(guò)測(cè)試集測(cè)試分類(lèi)模型性能。實(shí)驗(yàn)結(jié)果如表1 所示,加粗字體代表各分類(lèi)器所能取得的最佳分類(lèi)性能。對(duì)于不同的分類(lèi)器,最優(yōu)特征組合也不同,如對(duì)應(yīng)于SVM的最優(yōu)特征組為L(zhǎng)ZC+SE+FE+PE,而對(duì)應(yīng)于SSAE的最優(yōu)特征組合為FE。此外,SVM、SSAE、RF及RKELM所能取得的最佳分類(lèi)準(zhǔn)確率分別為77.6%,76.6%,59.7%及82.9%,由此可見(jiàn)RKELM在所有分類(lèi)器中性能最優(yōu)。

    5 結(jié)束語(yǔ)

    檢測(cè)心理測(cè)試中的掩飾行為是十分重要的。本文采用空軍軍醫(yī)大學(xué)提供的受試者參加心理測(cè)試中的EEG信號(hào),提出了一個(gè)基于腦電非線(xiàn)性特征融合的心理掩飾行為的檢測(cè)方法。首先,經(jīng)過(guò)預(yù)處理后提取了30個(gè)通道的非線(xiàn)性特征里的LZC、SE、PE 和FE 四種特征。接著,對(duì)提取四種特征利用非線(xiàn)性的多維尺度分析MDS 進(jìn)行六種特征組合(FE+PE,LZC+SE+FE+PE,LZC+SE+FE,LZC+SE+PE,SE+FE+PE,F(xiàn)E)及降維。最后利用正則化核函數(shù)的極限學(xué)習(xí)機(jī)RKELM 構(gòu)建分類(lèi)模型。實(shí)驗(yàn)表明:(1)SE+FE+PE 特征組合分類(lèi)效果最佳,準(zhǔn)確率達(dá)到了82.9%,其分類(lèi)器AUC的值為0.882 6,并且引入LZC特征組合LZC+SE+FE+PE會(huì)導(dǎo)致分類(lèi)模型的下降。(2)相較于其他常用的特征降維算法,包括PCA、KPCA、ISOMAP以及LDA、MDS在基于腦電信號(hào)的心理掩飾行為識(shí)別任務(wù)中效果更優(yōu)。(3)對(duì)于本文所采用的六種特征組合,RKELM分類(lèi)效果明顯優(yōu)于SVM、SSAE和RF分類(lèi),說(shuō)明RKELM在處理小樣本非線(xiàn)性樣本上具有很好的效果。本文提出的心理掩飾行為的檢測(cè)方法是十分有效的,能給心理醫(yī)生提供較為準(zhǔn)確的參考。下一步工作將關(guān)注減少EEG通道數(shù)量來(lái)降低數(shù)據(jù)采集的門(mén)檻,用來(lái)更好地輔助心理測(cè)試的實(shí)驗(yàn)設(shè)計(jì)。

    圖6 五種降維算法在不同特征組合上的最高分類(lèi)性能

    表1 不同分類(lèi)器構(gòu)造分類(lèi)模型的性能對(duì)比

    猜你喜歡
    學(xué)習(xí)機(jī)降維分類(lèi)器
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    極限學(xué)習(xí)機(jī)綜述
    BP-GA光照分類(lèi)器在車(chē)道線(xiàn)識(shí)別中的應(yīng)用
    基于極限學(xué)習(xí)機(jī)參數(shù)遷移的域適應(yīng)算法
    分層極限學(xué)習(xí)機(jī)在滾動(dòng)軸承故障診斷中的應(yīng)用
    加權(quán)空-譜與最近鄰分類(lèi)器相結(jié)合的高光譜圖像分類(lèi)
    結(jié)合模糊(C+P)均值聚類(lèi)和SP-V-支持向量機(jī)的TSK分類(lèi)器
    基于LLE降維和BP_Adaboost分類(lèi)器的GIS局部放電模式識(shí)別
    拋物化Navier-Stokes方程的降維仿真模型
    日韩中字成人| 一边亲一边摸免费视频| 在线看a的网站| 日韩,欧美,国产一区二区三区| 久久久精品免费免费高清| 纯流量卡能插随身wifi吗| 久久久久精品性色| 国产精品熟女久久久久浪| 18禁在线无遮挡免费观看视频| 我要看日韩黄色一级片| 欧美国产精品一级二级三级 | 美女主播在线视频| 亚洲精品,欧美精品| 天堂中文最新版在线下载| 国产av精品麻豆| av天堂中文字幕网| 黄色配什么色好看| 九草在线视频观看| 免费大片黄手机在线观看| 熟女av电影| 国产欧美亚洲国产| 欧美激情极品国产一区二区三区 | 精品酒店卫生间| 另类亚洲欧美激情| 成年女人在线观看亚洲视频| 涩涩av久久男人的天堂| 亚洲精品一区蜜桃| 亚洲av综合色区一区| 亚洲精品456在线播放app| 嘟嘟电影网在线观看| 熟妇人妻不卡中文字幕| 久久久久国产精品人妻一区二区| 国产成人aa在线观看| 韩国av在线不卡| 青春草国产在线视频| 婷婷色av中文字幕| 久久精品夜色国产| 欧美丝袜亚洲另类| 国产乱来视频区| 欧美精品亚洲一区二区| 国产高清国产精品国产三级 | 插阴视频在线观看视频| 99久久综合免费| 午夜激情久久久久久久| 国内揄拍国产精品人妻在线| av免费观看日本| 日本色播在线视频| 视频区图区小说| 亚洲欧美日韩无卡精品| 只有这里有精品99| 蜜臀久久99精品久久宅男| 午夜福利高清视频| 久久久久久九九精品二区国产| 午夜福利在线在线| av免费观看日本| 又大又黄又爽视频免费| 99热国产这里只有精品6| 亚洲国产欧美在线一区| 亚洲av男天堂| 免费不卡的大黄色大毛片视频在线观看| 中文精品一卡2卡3卡4更新| 中文精品一卡2卡3卡4更新| 少妇的逼好多水| 亚洲国产欧美人成| 99九九线精品视频在线观看视频| 日本av手机在线免费观看| 国产黄片视频在线免费观看| 高清不卡的av网站| 美女内射精品一级片tv| 中文乱码字字幕精品一区二区三区| 在线 av 中文字幕| 高清欧美精品videossex| 国产美女午夜福利| 少妇人妻精品综合一区二区| 三级国产精品片| 免费看av在线观看网站| 国产一级毛片在线| 久久久久久久国产电影| 伊人久久国产一区二区| 99热这里只有是精品50| 午夜视频国产福利| 人妻一区二区av| 国产成人freesex在线| 国产高清不卡午夜福利| av福利片在线观看| 大陆偷拍与自拍| 美女脱内裤让男人舔精品视频| 日本黄大片高清| 91午夜精品亚洲一区二区三区| 欧美精品人与动牲交sv欧美| 精品人妻偷拍中文字幕| 自拍偷自拍亚洲精品老妇| 观看av在线不卡| 亚洲怡红院男人天堂| 2018国产大陆天天弄谢| 丰满迷人的少妇在线观看| 在线观看免费高清a一片| 老司机影院成人| 最近2019中文字幕mv第一页| 国产亚洲一区二区精品| 中文字幕免费在线视频6| 国产免费又黄又爽又色| 精品一品国产午夜福利视频| 小蜜桃在线观看免费完整版高清| 亚洲,欧美,日韩| 日日摸夜夜添夜夜添av毛片| 五月开心婷婷网| 精品熟女少妇av免费看| 岛国毛片在线播放| 国产精品一区www在线观看| 欧美精品人与动牲交sv欧美| 一本久久精品| 久久久欧美国产精品| 久久久久人妻精品一区果冻| 一区二区av电影网| 最新中文字幕久久久久| 久久精品国产自在天天线| 亚洲国产av新网站| 久久久国产一区二区| 国产精品女同一区二区软件| 毛片一级片免费看久久久久| 男人和女人高潮做爰伦理| 国产精品久久久久久精品古装| 国产亚洲av片在线观看秒播厂| av在线app专区| 国产精品国产av在线观看| 91精品一卡2卡3卡4卡| 欧美最新免费一区二区三区| 天天躁夜夜躁狠狠久久av| 欧美精品一区二区免费开放| 日本wwww免费看| 国产视频首页在线观看| 91久久精品国产一区二区成人| 午夜福利影视在线免费观看| 国产视频内射| 伊人久久国产一区二区| 亚洲无线观看免费| 精品国产露脸久久av麻豆| 亚洲av欧美aⅴ国产| 精品人妻视频免费看| 欧美精品国产亚洲| 一级毛片久久久久久久久女| 18禁裸乳无遮挡免费网站照片| 麻豆精品久久久久久蜜桃| av在线老鸭窝| 大又大粗又爽又黄少妇毛片口| 欧美老熟妇乱子伦牲交| 成人高潮视频无遮挡免费网站| 九九在线视频观看精品| 国产爱豆传媒在线观看| 国产伦精品一区二区三区视频9| 狂野欧美激情性xxxx在线观看| 一本久久精品| 在线亚洲精品国产二区图片欧美 | 精品久久久久久久久av| av在线播放精品| 在现免费观看毛片| 国产v大片淫在线免费观看| 国产成人精品一,二区| 国产探花极品一区二区| 身体一侧抽搐| 精华霜和精华液先用哪个| 啦啦啦在线观看免费高清www| 女人十人毛片免费观看3o分钟| 国产中年淑女户外野战色| 免费少妇av软件| 伦精品一区二区三区| 欧美精品一区二区大全| 视频区图区小说| 九色成人免费人妻av| 亚洲成人手机| 青春草国产在线视频| 成人美女网站在线观看视频| 九草在线视频观看| 这个男人来自地球电影免费观看 | 国产精品人妻久久久影院| 日本av手机在线免费观看| 国产 精品1| 国产一区有黄有色的免费视频| 黄色配什么色好看| 国产精品一区二区性色av| 日韩不卡一区二区三区视频在线| 亚洲国产欧美人成| 一级毛片我不卡| 香蕉精品网在线| 午夜视频国产福利| 天堂中文最新版在线下载| 少妇被粗大猛烈的视频| 久久久国产一区二区| 女人十人毛片免费观看3o分钟| 成年人午夜在线观看视频| 直男gayav资源| 成人午夜精彩视频在线观看| 毛片一级片免费看久久久久| 亚洲综合精品二区| 国产一级毛片在线| 免费看不卡的av| 人妻夜夜爽99麻豆av| 久久久成人免费电影| 丰满迷人的少妇在线观看| 成年人午夜在线观看视频| 久久久久久人妻| 欧美人与善性xxx| 交换朋友夫妻互换小说| 搡女人真爽免费视频火全软件| 免费av中文字幕在线| 99久久综合免费| 亚洲精品中文字幕在线视频 | 久久国内精品自在自线图片| 成年av动漫网址| 色5月婷婷丁香| 日韩欧美 国产精品| 久久久久久伊人网av| 久久国产亚洲av麻豆专区| 麻豆精品久久久久久蜜桃| 中文在线观看免费www的网站| 女性生殖器流出的白浆| 日本与韩国留学比较| 国产成人精品婷婷| 午夜老司机福利剧场| 亚洲不卡免费看| 日本黄色日本黄色录像| 亚洲精品亚洲一区二区| 亚州av有码| 日本爱情动作片www.在线观看| 在线免费十八禁| 久久久a久久爽久久v久久| 精品酒店卫生间| 精品人妻视频免费看| 亚洲精品国产色婷婷电影| av不卡在线播放| 女的被弄到高潮叫床怎么办| 欧美老熟妇乱子伦牲交| 在线看a的网站| 亚洲伊人久久精品综合| 91在线精品国自产拍蜜月| 99热6这里只有精品| 精品一品国产午夜福利视频| 全区人妻精品视频| 欧美日韩在线观看h| 一级a做视频免费观看| 一本久久精品| 免费黄网站久久成人精品| 国产成人一区二区在线| 亚洲激情五月婷婷啪啪| 成人国产av品久久久| 九草在线视频观看| 亚洲精品久久久久久婷婷小说| 国产精品国产三级国产av玫瑰| 一区二区三区四区激情视频| 国产淫片久久久久久久久| 国产亚洲av片在线观看秒播厂| 久久久久久久久久久免费av| 最黄视频免费看| 麻豆国产97在线/欧美| 热99国产精品久久久久久7| 亚洲国产毛片av蜜桃av| 欧美区成人在线视频| 在线观看一区二区三区| 超碰av人人做人人爽久久| 97精品久久久久久久久久精品| 国产淫语在线视频| 国产高清不卡午夜福利| 国产一区二区在线观看日韩| 亚洲色图综合在线观看| 亚洲精品中文字幕在线视频 | 最近2019中文字幕mv第一页| 青春草视频在线免费观看| 你懂的网址亚洲精品在线观看| 成人国产麻豆网| 91在线精品国自产拍蜜月| 亚洲精品国产av蜜桃| 日韩,欧美,国产一区二区三区| 街头女战士在线观看网站| 噜噜噜噜噜久久久久久91| 国产黄色视频一区二区在线观看| 国产午夜精品一二区理论片| 亚洲精品aⅴ在线观看| 18禁裸乳无遮挡动漫免费视频| videossex国产| 亚洲不卡免费看| 成人免费观看视频高清| 亚洲熟女精品中文字幕| 一级二级三级毛片免费看| 91精品国产九色| 九草在线视频观看| 日韩伦理黄色片| 免费观看无遮挡的男女| 亚洲精品中文字幕在线视频 | 少妇熟女欧美另类| 亚洲人成网站在线观看播放| 成人毛片a级毛片在线播放| 一级片'在线观看视频| 国产精品一区www在线观看| 久热这里只有精品99| 午夜福利高清视频| 国产男人的电影天堂91| 老司机影院成人| 午夜免费观看性视频| 欧美三级亚洲精品| 七月丁香在线播放| 好男人视频免费观看在线| 亚洲图色成人| 黑丝袜美女国产一区| 日本vs欧美在线观看视频 | 欧美另类一区| 99热6这里只有精品| av专区在线播放| 亚洲精品国产色婷婷电影| 久久久久精品性色| 80岁老熟妇乱子伦牲交| 欧美亚洲 丝袜 人妻 在线| 成人影院久久| 在线免费观看不下载黄p国产| 亚洲性久久影院| 26uuu在线亚洲综合色| 午夜福利视频精品| 国产亚洲av片在线观看秒播厂| 一级毛片黄色毛片免费观看视频| av又黄又爽大尺度在线免费看| 亚洲国产色片| 国产精品不卡视频一区二区| 亚洲美女黄色视频免费看| 少妇猛男粗大的猛烈进出视频| 涩涩av久久男人的天堂| 亚洲欧美一区二区三区黑人 | 欧美高清成人免费视频www| 欧美精品一区二区免费开放| 免费观看性生交大片5| 伊人久久国产一区二区| 欧美日韩一区二区视频在线观看视频在线| 成人国产av品久久久| 久久热精品热| 一级毛片电影观看| 免费看av在线观看网站| 国产精品.久久久| 国产伦精品一区二区三区视频9| 插阴视频在线观看视频| 精品一品国产午夜福利视频| 国产精品福利在线免费观看| 卡戴珊不雅视频在线播放| av在线app专区| 天天躁夜夜躁狠狠久久av| 伦理电影免费视频| 日本黄色片子视频| 女人久久www免费人成看片| 一本色道久久久久久精品综合| av女优亚洲男人天堂| 欧美高清成人免费视频www| 午夜日本视频在线| 久久精品久久精品一区二区三区| 国产深夜福利视频在线观看| 日本黄大片高清| 在线观看国产h片| 亚洲不卡免费看| 国产高潮美女av| 在线观看国产h片| 亚洲国产成人一精品久久久| 亚洲av二区三区四区| 97超视频在线观看视频| 亚洲欧美中文字幕日韩二区| 人人妻人人爽人人添夜夜欢视频 | 99re6热这里在线精品视频| 精品国产乱码久久久久久小说| 免费观看的影片在线观看| 日韩一区二区视频免费看| 国产黄频视频在线观看| 毛片一级片免费看久久久久| av在线老鸭窝| 国产有黄有色有爽视频| 少妇丰满av| 午夜老司机福利剧场| 超碰97精品在线观看| 精品少妇黑人巨大在线播放| 色婷婷av一区二区三区视频| 亚洲精品国产av成人精品| 中文字幕人妻熟人妻熟丝袜美| 久久人妻熟女aⅴ| 成人漫画全彩无遮挡| 久久久久久久国产电影| 欧美三级亚洲精品| 激情五月婷婷亚洲| 欧美高清性xxxxhd video| 日本-黄色视频高清免费观看| 成人影院久久| 久久精品国产a三级三级三级| 国产免费一级a男人的天堂| 久久久久久久精品精品| 高清在线视频一区二区三区| 日韩av在线免费看完整版不卡| 观看美女的网站| videos熟女内射| av在线蜜桃| 女人十人毛片免费观看3o分钟| 少妇精品久久久久久久| 免费高清在线观看视频在线观看| 亚洲婷婷狠狠爱综合网| 直男gayav资源| 蜜臀久久99精品久久宅男| 久久 成人 亚洲| 精品视频人人做人人爽| 日本色播在线视频| 老司机影院成人| 国产探花极品一区二区| 大码成人一级视频| 男人狂女人下面高潮的视频| 精品国产一区二区三区久久久樱花 | 亚洲精品456在线播放app| 大香蕉久久网| 精品久久久久久久久av| 纯流量卡能插随身wifi吗| 交换朋友夫妻互换小说| 国产成人免费无遮挡视频| 成人美女网站在线观看视频| 欧美亚洲 丝袜 人妻 在线| 亚洲婷婷狠狠爱综合网| 小蜜桃在线观看免费完整版高清| 蜜臀久久99精品久久宅男| 成人无遮挡网站| 赤兔流量卡办理| 亚洲综合色惰| 日本黄色片子视频| 亚洲第一区二区三区不卡| 久久精品久久精品一区二区三区| 久久国产精品男人的天堂亚洲 | 亚州av有码| 晚上一个人看的免费电影| 身体一侧抽搐| 啦啦啦视频在线资源免费观看| 男女无遮挡免费网站观看| 少妇丰满av| 国产精品一二三区在线看| 美女脱内裤让男人舔精品视频| 国产综合精华液| 国产免费又黄又爽又色| 99热国产这里只有精品6| 少妇人妻精品综合一区二区| 人人妻人人澡人人爽人人夜夜| 国产精品欧美亚洲77777| av免费观看日本| 一区二区三区乱码不卡18| 久久毛片免费看一区二区三区| 国产成人免费观看mmmm| 亚洲精品成人av观看孕妇| 99精国产麻豆久久婷婷| 国产黄片视频在线免费观看| 午夜免费观看性视频| 亚洲欧美成人综合另类久久久| 狂野欧美激情性bbbbbb| 国产黄片美女视频| 一级二级三级毛片免费看| 欧美一级a爱片免费观看看| 成人国产麻豆网| 成年免费大片在线观看| 成年美女黄网站色视频大全免费 | 夜夜看夜夜爽夜夜摸| 精品久久久久久久久av| 蜜桃久久精品国产亚洲av| av网站免费在线观看视频| 99久久综合免费| 国产精品不卡视频一区二区| 精品午夜福利在线看| 久久精品国产鲁丝片午夜精品| 久久99蜜桃精品久久| 精品一区二区三区视频在线| 久久久久久久久久久免费av| a级毛片免费高清观看在线播放| 免费黄频网站在线观看国产| 少妇被粗大猛烈的视频| 韩国av在线不卡| 国产免费福利视频在线观看| 18禁在线无遮挡免费观看视频| 亚洲国产精品999| 国产精品免费大片| av黄色大香蕉| 欧美日韩视频精品一区| 春色校园在线视频观看| 大香蕉久久网| 欧美一区二区亚洲| 久久精品熟女亚洲av麻豆精品| 少妇人妻 视频| 国产无遮挡羞羞视频在线观看| 久久久久久九九精品二区国产| 日韩免费高清中文字幕av| 黄色一级大片看看| 亚洲av电影在线观看一区二区三区| 国产色爽女视频免费观看| 五月伊人婷婷丁香| 性色av一级| 男女啪啪激烈高潮av片| 男人和女人高潮做爰伦理| 看免费成人av毛片| 成人特级av手机在线观看| 久久婷婷青草| 在线观看三级黄色| 伊人久久国产一区二区| 观看av在线不卡| 欧美3d第一页| 91午夜精品亚洲一区二区三区| 国语对白做爰xxxⅹ性视频网站| 看免费成人av毛片| 国产精品女同一区二区软件| 国产在线男女| 日本猛色少妇xxxxx猛交久久| 成人美女网站在线观看视频| 日韩制服骚丝袜av| 久久久久久人妻| 国产一区二区在线观看日韩| 免费看av在线观看网站| 亚洲真实伦在线观看| 日韩 亚洲 欧美在线| 寂寞人妻少妇视频99o| 欧美成人a在线观看| 免费大片黄手机在线观看| 嫩草影院新地址| 国产精品99久久久久久久久| 国产亚洲最大av| 久热这里只有精品99| 精品久久久久久久久av| 蜜桃久久精品国产亚洲av| 久久国产乱子免费精品| 青春草国产在线视频| 欧美亚洲 丝袜 人妻 在线| 最近的中文字幕免费完整| 91久久精品电影网| 五月天丁香电影| 国产精品一区二区性色av| 男人和女人高潮做爰伦理| 亚洲第一区二区三区不卡| 亚洲综合精品二区| 国产熟女欧美一区二区| 亚洲综合精品二区| 三级经典国产精品| 久久99热这里只频精品6学生| 91狼人影院| 亚洲精品国产成人久久av| 欧美高清成人免费视频www| 精品一区在线观看国产| 久久毛片免费看一区二区三区| 成人特级av手机在线观看| 日韩电影二区| 大片电影免费在线观看免费| 青春草视频在线免费观看| 一级片'在线观看视频| 夜夜爽夜夜爽视频| 国产成人精品婷婷| 国产 一区 欧美 日韩| 亚洲国产av新网站| 新久久久久国产一级毛片| 成人国产av品久久久| 美女xxoo啪啪120秒动态图| 97超碰精品成人国产| 亚洲av电影在线观看一区二区三区| 欧美高清成人免费视频www| 久久ye,这里只有精品| 国产精品不卡视频一区二区| 久久久久人妻精品一区果冻| 国产伦在线观看视频一区| 偷拍熟女少妇极品色| 久久久久久久久久成人| 综合色丁香网| 看免费成人av毛片| 日日摸夜夜添夜夜爱| 女性生殖器流出的白浆| 99久久综合免费| 国产男女超爽视频在线观看| 午夜福利影视在线免费观看| 亚洲电影在线观看av| 男人和女人高潮做爰伦理| 国产免费一级a男人的天堂| 下体分泌物呈黄色| 永久免费av网站大全| 久久精品夜色国产| 自拍偷自拍亚洲精品老妇| 妹子高潮喷水视频| 3wmmmm亚洲av在线观看| 免费黄网站久久成人精品| 精品久久久久久电影网| 免费黄频网站在线观看国产| 欧美精品国产亚洲| 成人午夜精彩视频在线观看| 在线观看国产h片| 国产成人freesex在线| 欧美成人a在线观看| 高清午夜精品一区二区三区| 亚洲国产精品成人久久小说| 2022亚洲国产成人精品| 国产69精品久久久久777片| av国产免费在线观看| 国产久久久一区二区三区| 国产精品国产三级国产av玫瑰| 欧美97在线视频| 搡老乐熟女国产| 伊人久久精品亚洲午夜| 国产精品久久久久久av不卡| 熟女电影av网| 国产淫片久久久久久久久| 午夜福利在线在线| 国产精品久久久久久精品古装| 国内揄拍国产精品人妻在线| 观看免费一级毛片| 国产精品免费大片| 久久av网站| 亚洲,一卡二卡三卡| 亚洲欧美成人综合另类久久久| 午夜精品国产一区二区电影| 七月丁香在线播放| 日韩视频在线欧美| 日韩强制内射视频| 人妻制服诱惑在线中文字幕| 欧美成人一区二区免费高清观看| 在线看a的网站| 三级国产精品片| 成人国产麻豆网| 夜夜爽夜夜爽视频|