蟻群優(yōu)化算法用于生理信號情感狀態(tài)識別中的研究.pdf

1、隨著計算機技術的迅猛發(fā)展，人機交互也逐漸受到研究者的重視。情感計算是當前新興的課題之一，目的是賦予計算機識別、理解、表達和適應人情感的能力，使其能夠感知情感，適時做出響應與并與用戶進行情感交流。情感識別是情感計算研究的關鍵問題之一，生理信號情感識別的主要步驟中，數(shù)據(jù)采集和預處理受被試和設備的影響較大，特征提取方法和分類器的設計相對成熟，改進程度不大，而特征選擇是值得深入考慮的問題。特征選擇本質(zhì)上是組合優(yōu)化問題。蟻群優(yōu)化算法(ACO)是一

2、種基于群智能的全局優(yōu)化算法，具有編碼簡單、計算速度快、種群多樣性好、易于理解和實現(xiàn)等特點，非常適合解決組合優(yōu)化問題。論文以心電信號(ECG)和肌電信號(EMG)為研究對象，將局部搜索和變異策略引入到蟻群優(yōu)化算法中，結合引入增量K的K近鄰分類器(KNN)進行情感識別，獲得了的較好效果。具體做了以下工作：
　　 (1)利用小波變換后R波與S波幅度絕對值之和以及R-R間隔的信息來定位QRS復合波位置，以便提取統(tǒng)計特征，準確率達到99.

3、5％以上。
　　 (2)針對生理信號情感識別中的特征組合優(yōu)化問題，將計算智能的思想引入到情感生理信號的特征選擇中，比較了螞蟻系統(tǒng)(AS)和蟻群系統(tǒng)(ACS)兩種算法在兩組數(shù)據(jù)集合下的識別結果；將局部搜索策略和變異引入ACS用于特征選擇，對高興和悲傷兩種情感分類，較大程度提高了正確識別率和算法的收斂速度；將ACS特有的偽隨機比例規(guī)則引入到最大最小螞蟻系統(tǒng)(MMAS)中，同樣結合了局部搜索和變異策略，用于特征選擇，在保證一定識別率的