非線性預(yù)測在皮膚電信號情感識別中的研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、在基于生理信號的情感識別研究中,對信號進(jìn)行特征提取通常是研究的關(guān)鍵所在。據(jù)此,為了進(jìn)行有效的情感識別,達(dá)到提高識別率的目的,本文將準(zhǔn)確提取能夠反映真實情感變化規(guī)律的特征作為研究的重點。本文根據(jù)生理信號的不可掩飾性,在喚起被試高興(happy)、悲傷(grief)、恐懼(fear)、憤怒(angry)四種真實情感的基礎(chǔ)上截取可靠的皮膚電信號,建立情感生理信號數(shù)據(jù)庫。根據(jù)皮膚電的非線性特性,首次提出利用Volterra非線性預(yù)測的方法對情感

2、狀態(tài)下皮膚電信號的非線性規(guī)律進(jìn)行模擬,設(shè)計了Volterra級數(shù)預(yù)測模型;并針對預(yù)測濾波系數(shù)不易收斂及預(yù)測結(jié)果存在時延的缺點,提出利用神經(jīng)網(wǎng)絡(luò)來求解Volterra級數(shù)各階核的方法,以改進(jìn)系數(shù)矢量計算方式,加快濾波系數(shù)收斂并提高了預(yù)測精度,完成了對于該預(yù)測模型的改進(jìn)。之后本文根據(jù)改進(jìn)的預(yù)測模型提取了有效非線性特征,對目標(biāo)情感進(jìn)行分類識別研究,得到了提高識別率的效果,證明了該方法對情感識別的有效性。最后本文采用蟻群優(yōu)化算法結(jié)合隨機(jī)森林分類

3、器對本文提取的所有線性、非線性特征進(jìn)行特征選擇,在保證識別率的基礎(chǔ)上降低了特征維數(shù),最終結(jié)果中四種情感識別效果均達(dá)到百分之八十以上,效果最佳的悲傷情感識別率達(dá)到95%,與之前相關(guān)研究所得出的結(jié)果相比有了明顯改善。
  本文具體做了以下工作:
  (1)確定數(shù)據(jù)采集方案并建立情感生理信號樣本數(shù)據(jù)庫。選擇了具有較高喚起度的電影片段與平靜視頻進(jìn)行剪輯,充分激發(fā)被試憤怒、恐懼、高興、悲傷四種目標(biāo)情感,詳細(xì)記錄實驗過程,分析采集到的數(shù)

4、據(jù),截取誘發(fā)效果較好的信號建立樣本庫。(2)皮膚電非線性、可預(yù)測性分析。用替代數(shù)據(jù)法證明皮膚電的非線性特性;通過對非線性信號及隨機(jī)信號的預(yù)測結(jié)果進(jìn)行對比,證明復(fù)雜系統(tǒng)中運用非線性預(yù)測方法對系統(tǒng)進(jìn)行預(yù)測可以還原其原本規(guī)律,而隨機(jī)信號根本不存在可預(yù)測性。
  (3) Volterra級數(shù)的預(yù)測模型設(shè)計。通過對皮膚電時間序列進(jìn)行向空間重構(gòu),在高維空間中恢復(fù)出混沌吸引子,利用Volterra級數(shù)的展開式構(gòu)造新的函數(shù)逼近原函數(shù),找出隱藏在混

5、沌吸引子中的演化規(guī)律,使現(xiàn)有數(shù)據(jù)納入某種可描述的框架之下,由系統(tǒng)當(dāng)前狀態(tài)獲得下一時刻的狀態(tài),構(gòu)造Volterra級數(shù)的預(yù)測模型。
  (4)改進(jìn)預(yù)測模型,構(gòu)造含有較強(qiáng)情感規(guī)律的時間序列。提出利用神經(jīng)網(wǎng)絡(luò)來求解Volterra級數(shù)的各階核,改進(jìn)系數(shù)矢量計算方式,從而加快了濾波系數(shù)收斂并提高了預(yù)測精度,重構(gòu)出含有明顯情感變化規(guī)律的非線性時間序列,在此基礎(chǔ)上進(jìn)行特征提取,保證所提取特征的真實有效性。
  (5)對情感狀態(tài)下皮膚電信

6、號的非線性特征進(jìn)行分析及提取。在對采集到的皮膚電信號進(jìn)行濾波、歸一化等預(yù)處理之后,計算其根據(jù)改進(jìn)的預(yù)測模型得出的時間序列,采用非線性的方法分別對皮膚電原始信號以及預(yù)測后重構(gòu)的時間序列進(jìn)行非線性特征分析,比較其熵、維數(shù)等非線性參數(shù),并用特征驗證證明提出的這些非線性特征可以用來做情感識別。
  (6)蟻群優(yōu)化算法結(jié)合隨機(jī)森林分類器進(jìn)行特征選擇及情感識別。加入情感識別效果較好的線性特征,利用改進(jìn)后的蟻群優(yōu)化算法對所有的非線性特征以及加入

7、的線性特征進(jìn)行特征選擇,并利用隨機(jī)森林分類器對結(jié)果進(jìn)行分類,從憤怒、恐懼、高興、悲傷四種混合情感中識別出目標(biāo)情感。
  實驗結(jié)果表明:
  (1)皮膚電信號為非線性信號,存在較強(qiáng)的非線性規(guī)律并有較強(qiáng)的可預(yù)測性。
  (2) Volterra級數(shù)預(yù)測法可以較好的對情感狀態(tài)下皮膚電的運動趨勢作出短期預(yù)測,并在一定程度上還原了皮膚電的情感規(guī)律,導(dǎo)致非線性特征在原始信號和預(yù)測信號計算結(jié)果中的存在差異。
  (3)在經(jīng)過V

8、olterra級數(shù)預(yù)測處理后的皮膚電時間序列加強(qiáng)了自身非線性規(guī)律,應(yīng)用預(yù)測后所提的非線性特征可提高目標(biāo)情感的正確識別率;表明Volterra級數(shù)預(yù)測在情感識別中具有一定的研究價值與意義。
  (4)蟻群優(yōu)化算法對本文提出的線性、非線性特征進(jìn)行特征選擇,結(jié)果中改進(jìn)預(yù)測方法后的皮膚電信號提取的非線性特征入選率較高。
  (5)本文所提的所有特征對信號的線性及非線性規(guī)律都有了詳細(xì)的描述,最終得到了高興(80.44%)憤怒(81.2

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論