相關(guān)性分析及蟻群優(yōu)化算法用于脈博信號的情感識別研究.pdf

1、在科學(xué)技術(shù)相對發(fā)達的今天,人一機交互話題已經(jīng)不再陌生,情感計算作為其關(guān)鍵技術(shù)也得到了廣泛發(fā)展。在情感計算的研究內(nèi)容中,情感識別作為其重要組成部分之一已然受到高度重視。目前的情感識別主要通過采集并分析圖像信號、語音信號、文本信號和生理信號來進行。它們各有所長、互為補充,因為還沒有哪一種方式能十分準確地判斷情感的特征。圖像信號、語音信號和文本信號一般通過多媒體方法獲取,而由生理信號由傳感器通過非侵入方式來獲得,這些信號都可以用計算機來加以分

2、析計算。顯然,當人們有了情感時,從身體上直接得到的生理信號更能準確地判斷其情感,甚至是潛在的情感,即前三種方式不能觀察到的情感特征。脈搏信號作為生理信號之一,在已有文獻中的相關(guān)研究較少,論文將針對脈搏信號的情感識別問題展開研究工作。
　　 從文獻可知,脈搏信號是一種微弱的生物電信號,是神經(jīng)細胞傳導(dǎo)信息時在血管內(nèi)部或皮膚表面電活動的總體反映,蘊含著人體許多生理和病理信息。假如能從脈搏信號中找出能代表某種情感的特征或特征組合,建立起

3、情感生理特征與情感之間的一種映射關(guān)系,就可以通過脈搏信號的情感生理特征來進行情感識別。具體工作實現(xiàn)如下:
　　 (1)信號采集:設(shè)計恰當?shù)拿}搏信號采集實驗方案,采用視覺和聽覺同時刺激的方式得到情感脈搏信號的情感生理反應(yīng)樣本。包括平靜、高興、驚奇、厭惡、悲傷、憤怒、恐懼7種情感激發(fā)狀態(tài)下的脈搏信號,共計242組樣本。
　　 (2)特征提取:由于原始信號通常都受到各種因素的干擾,為了使數(shù)據(jù)源更加可靠,在特征提取之前對原始樣本

4、信號進行預(yù)處理。然后提取20個時域特征和84個小波系數(shù)特征(104個統(tǒng)計特征),并對特征數(shù)據(jù)進行去除異常數(shù)值、歸一化等處理后得到包括六類情感的1165個樣本作為原始特征集合。
　　 (3)特征選擇:論文中提出了一種相關(guān)性分析和蟻群優(yōu)化算法相結(jié)合的兩階段特征選擇方法。首先將原始特征用序列后向選擇(SBS)方法排序,然后利用線性相關(guān)系數(shù)分析法計算特征間的相關(guān)度,并根據(jù)排序結(jié)果去除部分相關(guān)度較大的特征,最后針對篩選后的特征子集用一種蟻

5、群優(yōu)化算法——最大最小蟻群進行特征選擇,并以Fisher分類識別率和特征選擇維數(shù)兩個因素確定適應(yīng)度函數(shù),對高興、驚奇、厭惡、悲傷、憤怒和恐懼六種情感進行分類。此外,再選用一種非智能算法——基于凸優(yōu)化的支持向量機特征選擇方法進行脈搏信號情感特征的選擇,以便與文中所提方法的結(jié)果進行對比。
　　 (4)模型建立:利用上述方法完成實驗分析,總結(jié)出能夠代表脈搏情感信號高興、驚奇、厭惡、悲傷、憤怒、恐懼的特征組合,建立起脈搏信號各個情感的二