TY -的A2 -艾哈迈德,提Anom盟——Salankar Nilima盟——Koundal迪盟——面Qaisar接受,赛义德PY - 2021 DA - 2021/08/26 TI -应力分类使用变分模式通过多通道生理信号分解和机器学习SP - 2146369六世- 2021 AB -在这个流感大流行的形势、重要性和对心理健康的认识越来越关注。压力等多通道传感器基于生理信号的识别脑电图(EEG)与心电图(ECG)信号是一个非常具有成本效益的方式由于其侵入性性质。数据集,记录在心算任务,组成的脑电图+ ECG信号的36个参与者使用。它包含两个类别的性能,即“好”(相应的)和“坏”(强调)(古普塔et al . 2018和Eraldeir et al . 2018年)。提出了一个有效的方法来识别压力标记在额叶,颞,中央和枕叶。It过程的多峰性生理信号。变分模式分解(VMD)策略是用于数据预处理和信号的分解成不同的振荡模式的功能。庞加莱图(PP)来自前八变分模式和特性等这些情节已经提取的意思是,椭圆的面积,集中趋势测量区域。提取的特征的统计学意义 p < 0.5 使用Wilcoxson测试已经完成。多层感知器(MPLN)和支持向量机(SVM)算法用于压力和nonstress的分类类别。MLPN取得的最大精度为100%额叶和颞叶。建议方法可以纳入非侵入式脑电图信号处理为基础的自动压力识别系统。SN - 2040 - 2295 UR - https://doi.org/10.1155/2021/2146369 - 10.1155 / 2021/2146369摩根富林明医疗工程PB - Hindawi KW - ER