最近参加了一个脑电相关的竞赛，其中有一个赛道是情绪识别，根据脑电数据将情绪进行4分类，查了一些文献，使用了包括时域、频域、空间域的一些特征，最后发现微分熵作为特征的分类效果最好。
相关参考文献整理下载：
https://download.csdn.net/download/zhoudapeng01/12845100
微分熵作为作为香农熵在连续变量上的推广形式其计算比较简单：
参考：http://cg.cs.tsinghua.edu.cn/people/~Yongjin/N112018-00337.pdf
实际上，作为脑电的一个非线性特征，到这微分熵的计算已经很明确了，可是在看其他资料的时候发现有用功率谱近似代替微分熵的计算的，这就是个问题了，他这么简化的依据是什么呢？
参考：http://bcmi.sjtu.edu.cn/~zhujiayi/pdf/BachelorThesis.pdf
为了找这个简化运算的依据还真费了点时间，不过最后在《Differential Entropy Feature for EEG-based Vigilance Estimation》中找到了些依据。虽然可以如此简化运算，在实际应用中发现还是不简化的好，分类的结果更加准确。
相关参考文献下载：https://download.csdn.net/download/zhoudapeng01/12845100
