目录
背景
基于脑电的情绪分析，目前是当前研究的一个主要方向和热点。
亮点
使用基于Fisher score的标准来筛选具有高判别意义的脑电通道；
使用基于特征选择的遗传算法实现特征的筛选，从而进行最终的情绪分类任务；
环境配置
python 3.7/3.8
数据
BCI数据集
方法
数据预处理：带通滤波，ICA分析，CAR处理
通道选择：计算信号子频带能量，从所有通道中，选择Fisher分数最高的通道。将单个样本该通道的多频能量特征输入SVM，得到分类性能，依次类推，选择Fisher 分数第二高的通道，加入到分类特征中，使用SVM评估分类是否有所提高。遍历完所有的通道，保留下可以使分类性能改善的通道子集，完成通道选择。
遗传算法+小波变换：对于最优的通道子集信号，小波提取特征+遗传算法特征筛选+SVM分类
结果
子频带能量分布图
各通道的Fisher score 降序排列
不同数据集上面通道选择最优集合
使用所有通道数据和最优通道子集数据的分类比较
代码获取
https://download.csdn.net/download/YINTENAXIONGNAIER/88946878
参考文献
Alotaiby, T., Elamie, F.E.A., Alshebeili, S.A. et al. A review of channel selection algorithms for EEG signal processing. EURASIP J. Adv. Signal Process. 2015, 66 (2015).