基于脑电的虚拟现实诱发下情绪状态分类

来源 :数据采集与处理 | 被引量 : 0次 | 上传用户:Seasonbaby
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
情绪在歌唱活动中发挥着重要作用,但现阶段高校声乐课程缺乏对情绪调动的有效训练.由于虚拟现实技术具有真实性、沉浸性的特征,本文提出将其应用于声乐教学过程中的情绪诱发阶段.为了验证虚拟现实技术对情绪诱发的有效性,本文提取了不同类型的脑电特征,对情绪自我想象和虚拟现实情绪诱发两种场景下的情绪状态进行分类,并对比了情绪分类准确率、情绪自评分数和声乐自评分数,从主观和客观两方面探究虚拟现实技术对参与者情绪调动的影响.实验结果表明,相比于传统自我想象,虚拟现实技术可以极大地诱发参与者情绪,提升演唱效果,从而为声乐演唱教学提供一种新的辅助手段.
其他文献
管道无损检测领域中传统的漏磁数据灰度可视化方法在缺陷曲线视图显示时具有延迟大、灰度视图辨识度低的缺点.针对该问题,本文提出了一种基于自适应滑动窗口的漏磁数据灰度化特征增强方法.首先,根据漏磁数据特点建立非等量分类标签并设置降采样比,实现对原始漏磁数据的降采样显示;然后,根据预处理后的漏磁数据设计自适应滑动窗口及灰度值补偿算法,实现漏磁数据的局部分段灰度映射;最后,基于漏磁数据分类标签设计自适应灰度映射方法,得到清晰的漏磁数据灰度视图.通过对比实验,验证了所提方法的先进性和有效性.
本文采用惩罚逻辑回归方法,利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测.首先选取与乳腺癌相关的10个指标作为自变量,接着采用逻辑回归、LASSO惩罚逻辑回归、L2惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器,利用75%的数据集作为训练集建立模型,最后利用25%的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度.结果表明,LASSO惩罚逻辑回归的预测表现最好,预测精度达到97.18%;弹性网惩罚逻辑回归的预测表现随着α的增大发生变化,特别当α=0.9时,预测精度达到97.18%,与LASSO惩罚逻辑回归的