基于脈博信號(hào)特征評(píng)估與篩選的情感狀態(tài)識(shí)別研究.pdf

1、情感是指人類對(duì)外部客觀事物的探索和認(rèn)知過(guò)程中產(chǎn)生的態(tài)度體驗(yàn)與行為反應(yīng)，在個(gè)體的學(xué)習(xí)探索、邏輯推理、分析決策和計(jì)劃創(chuàng)造等方面發(fā)揮著重大作用。情感識(shí)別是通過(guò)采集含有情感信息的人體行為特征或生理信號(hào)，從中挖掘提取具有表征情感狀態(tài)差異性的特征，進(jìn)而構(gòu)建具有高度可分性和泛化能力的情感模型的過(guò)程。準(zhǔn)確、快速并具有預(yù)測(cè)性地識(shí)別情感，在臨床醫(yī)學(xué)、社會(huì)科學(xué)和工程實(shí)踐中具有重要的理論意義和應(yīng)用價(jià)值。
　　基于脈搏信號(hào)的分析方法成熟，采集途徑多樣，具有

2、便攜、無(wú)創(chuàng)、連續(xù)、客觀、可靠等優(yōu)點(diǎn)，本文設(shè)計(jì)并實(shí)施了情感激發(fā)實(shí)驗(yàn)，采集了六種情感狀態(tài)下的脈搏信號(hào)，利用統(tǒng)計(jì)分析、信息論、數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，分析、量化、評(píng)估、篩選其情感信息成分，建立脈搏信號(hào)的高緯情感特征矩陣，并基于最優(yōu)化機(jī)器學(xué)習(xí)算法明確了矩陣與情感狀態(tài)之間的映射關(guān)系，設(shè)計(jì)并搭建了具有良好識(shí)別性能的情感狀態(tài)分類器，實(shí)現(xiàn)了多種情感狀態(tài)的識(shí)別。本文的主要研究?jī)?nèi)容如下:
　　(1)通過(guò)設(shè)計(jì)情感激發(fā)實(shí)驗(yàn)方案，搭建實(shí)驗(yàn)實(shí)施環(huán)境，采集了六

3、種情感狀態(tài)下60名普通大學(xué)生的脈搏信號(hào)數(shù)據(jù)。通過(guò)脈搏信號(hào)的降噪處理以及信號(hào)、特征點(diǎn)、時(shí)間序列、特征的逐層映射，在線性和非線性空間內(nèi)提取252個(gè)具有一定物理意義的特征，構(gòu)建特征矩陣描述脈搏信號(hào)的變化規(guī)律，實(shí)現(xiàn)了情感狀態(tài)下脈搏形態(tài)特征的定量化。
　　(2)基于統(tǒng)計(jì)檢驗(yàn)技術(shù)明確了特征序列與情感狀態(tài)的正態(tài)性、方差齊性和獨(dú)立性，利用非參數(shù)分析方法探究不同情感狀態(tài)下，特征分布規(guī)律的差異性以及特征序列與情感狀態(tài)間的相關(guān)性，明確了脈搏信號(hào)特征矩陣

4、的情感屬性。
　　(3)采用歸一化的互信息方法量化特征序列之間，以及特征與情感狀態(tài)之間的相關(guān)程度和特征矩陣的冗余信息量?；诖?，利用最小冗余最大相關(guān)算法、隨機(jī)森林算法和統(tǒng)計(jì)檢驗(yàn)技術(shù)，在特征空間內(nèi)進(jìn)行搜索，構(gòu)建具有最大情感分辨能力和最小信息冗余的特征矩陣，并量化了特征對(duì)情感識(shí)別的貢獻(xiàn)值。
　　(4)綜合統(tǒng)計(jì)分析技術(shù)、信息論、機(jī)器學(xué)習(xí)算法和統(tǒng)計(jì)檢驗(yàn)方法，構(gòu)建三級(jí)特征評(píng)估與篩選體系，實(shí)現(xiàn)了對(duì)特征序列的分析、挖掘、評(píng)估和賦權(quán)，進(jìn)而篩

5、選出低維度、高分辨力的特征，構(gòu)建最優(yōu)特征矩陣。
　　(5)設(shè)計(jì)并搭建基于隨機(jī)抽樣、十折交叉檢驗(yàn)和網(wǎng)格尋優(yōu)算法的情感識(shí)別模型的學(xué)習(xí)框架、建立基于最優(yōu)特征子集和最優(yōu)參數(shù)的情感識(shí)別模型，實(shí)現(xiàn)情感狀態(tài)是有效識(shí)別，并對(duì)不同學(xué)習(xí)模型的識(shí)別性能進(jìn)行了比較評(píng)估。
　　(6)建立基于最優(yōu)特征子集、最優(yōu)參數(shù)和隨機(jī)森林算法的多情感狀態(tài)識(shí)別模型，設(shè)計(jì)模型性能和訓(xùn)練樣本量占比比關(guān)系的研究策略，搭建研究框架，明確模型識(shí)別性能與分割比例間的定量關(guān)系，確定

6、模型最小訓(xùn)練集。
　　脈搏信號(hào)包含情感信息，情感狀態(tài)的改變會(huì)引起脈搏信號(hào)形態(tài)的變化，本文提取的特征可以定量的表征這些變化規(guī)律;基于情感特征矩陣的分析表明，時(shí)間序列線性特征的分辨能力要顯著高于非線性特征，由情感因素造成的脈搏信號(hào)形態(tài)上的變化主要體現(xiàn)在頻域上的能量變化;本文構(gòu)建的三級(jí)特征評(píng)估與篩選體系，有效地降低了情感特征的維度和模型復(fù)雜度，提高了模型的運(yùn)算效率和泛化能力;基于最優(yōu)特征子集和最優(yōu)參數(shù)建立的情感分類模型，具有較高的情感分