情感脑机接口：选择性能度量指标的教程
信号处理
2020-09-28 v1
摘要
情感脑机接口是情感计算中一个相对较新的研究领域。情感状态的估计可改善人机交互，并改善对严重残疾人士的照护。为评估 EEG 记录识别情感状态的有效性，此处我们使用了实验室收集的数据以及公开可用的 DEAP 数据库。我们还回顾了使用 DEAP 数据库的文章，发现大量文章未考虑 DEAP 中类别不平衡的存在。未能考虑类别不平衡会产生误导性结果。此外，忽略类别不平衡使得研究间结果比较变得不可能，因为不同数据集将具有不同的类别不平衡。类别不平衡还会改变随机水平，因此在判定结果是否高于随机水平时考虑类别偏倚至关重要。为恰当考虑类别不平衡的影响，我们建议使用平衡准确率作为性能指标，并使用其后验分布计算可信区间。对于分类，我们使用了文献中提到的特征以及额外的 theta beta-1 比值。来自 DEAP 和我们的数据的结果表明，beta 频带功率、theta 频带功率和 theta beta-1 比值分别是分类效价、唤醒度和优势度的更好特征集。
引用
@article{arxiv.2005.02619,
title = {Affective Brain-Computer Interfaces: A Tutorial to Choose Performance Measuring Metric},
author = {Md Rakibul Mowla and Rachael I. Cano and Katie J. Dhuyvetter and David E. Thompson},
journal= {arXiv preprint arXiv:2005.02619},
year = {2020}
}
备注
12 pages, 4 figures, 2 tables