基于PCANet和SVM的谎言测试研究

顾凌云; 吕文志; 杨勇; 高军峰; 官金安; 周到

doi:10.3969/j.issn.0372-2112.2016.08.028

您当前的位置：

首页 >

文章列表页 >

基于PCANet和SVM的谎言测试研究

学术论文 | 更新时间：2025-07-08

- 基于PCANet和SVM的谎言测试研究
- Deception Detection Study Based on PCANet and Support Vector Machine
- 电子学报 2016年44卷第8期页码：1969-1973
- 作者机构：
  
  1. 中南民族大学生物医学工程学院认知科学国家民委重点实验室,湖北,武汉,430074
  2. 医学信息分析及肿瘤诊疗湖北省重点实验室,湖北,武汉,430074
  3. 华中科技大学武汉光电国家实验室,湖北,武汉,430074
  4. 江西财经大学信息管理学院,江西,南昌,330000
  5. 电子科技大学生命科学与技术学院,四川,成都,610054
  6. 中南民族大学生物医学工程学院认知科学国家民委重点实验室,湖北,武汉,430074
  7. 医学信息分析及肿瘤诊疗湖北省重点实验室,湖北,武汉,430074
  8. 华中科技大学武汉光电国家实验室,湖北,武汉,430074
  9. 江西财经大学信息管理学院,江西,南昌,330000
  10. 电子科技大学生命科学与技术学院,四川,成都,610054
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.81271659，No.61262034，No.61462031，No.91120017）;江西省自然科学基金 (No.20151BAB207033）;中国博士后科学基金 (No.2014M552346）
- DOI：10.3969/j.issn.0372-2112.2016.08.028
  中图分类号： R318
- 纸质出版：2016
- 稿件说明：
移动端阅览
顾凌云, 吕文志, 杨勇, 等. 基于PCANet和SVM的谎言测试研究[J]. 电子学报, 2016,44(8):1969-1973.

Deception Detection Study Based on PCANet and Support Vector Machine[J]. Acta Electronica Sinica, 2016, 44(8): 1969-1973.
顾凌云, 吕文志, 杨勇, 等. 基于PCANet和SVM的谎言测试研究[J]. 电子学报, 2016,44(8):1969-1973. DOI： 10.3969/j.issn.0372-2112.2016.08.028.

Deception Detection Study Based on PCANet and Support Vector Machine[J]. Acta Electronica Sinica, 2016, 44(8): 1969-1973. DOI： 10.3969/j.issn.0372-2112.2016.08.028.

摘要

主成分分析网络（Principal Component Analysis Network，PCANet）是基于深度学习理论的一种非监督式的特征提取方法，它克服了手工提取特征的缺点，目前其有效性仅仅在图像处理领域中得到了验证.本文针对当前谎言测试方法中脑电信号特征提取困难的缺点，首次将PCANet方法应用到一维信号的特征提取领域，并对测谎实验的原始脑电信号提取特征，然后使用支持向量机（Support Vector Machine，SVM）将说谎者和诚实者的两类信号进行分类识别，将实验结果和其它分类器及未使用特征提取的分类效果进行了比较.实验结果显示相对未抽取任何特征的方法，提出的方法PCANet_SVM可以获得更高的训练和测试准确率，表明了PCANet方法对于脑电信号特征提取的有效性，也为基于脑电信号的测谎提供了一种新的途径.

Abstract

Principal Components Analysis Network (PCANet) is a feature extraction method based on deep learning theory and unsupervised learning modes

which overcomes the shortcoming of hand-crafted features and its efficiency has been only proved in several literatures for picture processing.In this paper

PCANet is applied to process the one dimensional signals for the first time in order to overcome the disadvantages of hand-crafted features from EEG signals in deception detection.PCANet is used to extract features from raw EEG signals in the deception detection experiment.The feature vectors were fed into three classifiers including Support Vector Machine (SVM) to classify the guilty and innocent subjects.The experimental result was compared with the results from other classifiers and the mode of using raw EEG signals as features.The experimental results show that the proposed method PCANet_SVM obtains the highest training and testing accuracy

which indicates the efficiency of extracting features from EEG signals and provides a new solution of detecting lying.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

利用相锁值算法的脑电相同步测谎研究

面向时序异常检测的可变视距多向扫描方法

基于稀疏平滑自蒸馏的差分隐私深度学习方法

基于非一般类算子融合方法及硬件架构设计

基于注意力融合多尺度特征的解压缩点云质量增强方法