2月2日-伊拉西塔诺、卡扎兹、努尔·卡马尔·奥萨比尔、莫汉纳德·奥本·穆罕默德·阿里、萨瓦尔·哈米德·奥艾哈迈德、西蒂·阿诺·奥格拉默、，Karl PY-2021 DA-2021/09/22 TI-复杂度和熵分析，以改善基于情绪的脑电图SP-8537000 VL-2021 AB的性别识别-调查基于情绪变化的性别差异对于理解我们日常生活中的各种人类行为至关重要。十名来自维也纳大学的学生通过记录脑电图（EEG）数据集，同时观看四个简短的情绪视频片段（愤怒、快乐、悲伤和中性）的视听刺激。在这项研究中，传统的滤波和小波（WT）去噪技术被用作预处理阶段和Hurst指数 呼 振幅感知置换熵 AAPE 从脑电数据集中提取特征。 K -近邻 kNN 研究了支持向量机（SVM）分类技术在基于情绪的脑电性别自动识别中的应用。本文的主要创新点有两个：第一，调查 呼 作为一种复杂性特征和 AAPE 使用双向方差分析（ANOVA）作为基于情绪的EEG的不规则性参数，然后结合这些特征提出一种新的方法 补偿 一种用于开发新特征的混合特征融合方法 WT _ 补偿 性别识别框架作为自动化性别识别模型的核心，能够敏感地识别女性和男性大脑情感关系中的性别角色。结果表明了该方法的有效性 呼 和 AAPE 作为调查基于性别的愤怒、悲伤、快乐和中性情绪状态的显著指标。此外，建议的 WT _ 补偿 该框架实现了支持向量机分类准确率100%的显著提高，表明该方法具有新颖性 WT _ 补偿 可能为可靠地增强不同情绪状态的性别识别提供一种有用的方法。因此，小说 WT _ 补偿 该框架是改善基于情绪的EEG信号的自动性别识别过程的一个关键目标，它允许更全面的了解各种性别差异以及干预对大脑的人类行为影响。SN-2040-2295 UR-https://doi.org/10.1155/2021/8537000 DO-10.1155/2021/8537000 JF-医疗工程杂志PB-印度群岛KW-ER-