基于PCANet和SVM的谎言测试研究

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。