基于粗糙集理論的表情識別研究.pdf

1、包括情感計算和情感識別在內(nèi)，以人為中心的，對人的情感和認知的研究是目前人工智能領(lǐng)域的一個熱點研究方向。對這一方向的研究將有助于推動實現(xiàn)人與機器之間的自然交互。雖然目前情感計算和情感識別的研究已經(jīng)取得了初步的成果，但是由于缺乏堅實的心理學和認知科學的理論基礎(chǔ)，在研究中還存在諸多待解決的關(guān)鍵問題。本文就人臉表情識別系統(tǒng)所涉及的特征選擇和識別方法進行研究。這些研究工作不僅能推動計算機表情識別、計算機情感仿真等的進展，而且對于自然人機交互、遠程

2、教育、醫(yī)療看護、游戲娛樂等應(yīng)用領(lǐng)域都有重要意義。
　　 本文以粗糙集理論為基礎(chǔ)，研究了粗糙集屬性約簡算法，并把粗糙集屬性約簡算法作為一種人臉表情識別系統(tǒng)的特征選擇方法。根據(jù)人臉幾何特征直觀性好的優(yōu)點，以人臉的幾何特征作為研究對象，對人臉表情識別的重要特征進行研究。此外，本文還基于粗糙集理論，結(jié)合集成學習理論，對人臉表情識別方法進行研究。取得的主要研究成果如下：
　　 1)提出了基于粗糙集屬性約簡的人臉表情識別的特征選擇方

3、法。
　　 本文引入粗糙集理論，提出了采用粗糙集屬性約簡算法作為一種人臉表情識別的特征選擇方法?；诮?jīng)典粗糙集理論，采用基于信息熵的屬性約簡算法和特征選擇的屬性約簡算法對人臉表情識別采用的特征進行了特征選擇，并提出了一種RS+SVM的人臉表情識別方法。研究結(jié)果表明，相比較傳統(tǒng)的特征選擇算法，粗糙集屬性約簡方法不僅能有效地降低特征的維度、得到人臉表情識別的重要特征，而且基于這些重要特征，能得到較好的人臉表情識別結(jié)果。
　　

4、 2)提出了自主式的人臉表情特征選擇算法。
　　 本文基于粗糙集理論和面向領(lǐng)域的數(shù)據(jù)驅(qū)動的數(shù)據(jù)挖掘模型思想，對連續(xù)值信息系統(tǒng)的屬性約簡方法進行了研究，提出了一個自主式的屬性約簡算法，首先，將條件屬性集對決策的可區(qū)分性作為知識的一種屬性特征，并基于粗糙集理論提出一種可區(qū)分性的度量方法。然后，根據(jù)在知識獲取過程中可區(qū)分性的不變性原則，提出了一個針對連續(xù)值信息系統(tǒng)的自主式屬性約簡算法(SARA)，該算法可以從訓練數(shù)據(jù)中自動獲取控制學習

5、過程所需要的參數(shù)。研究結(jié)果表明，該方法在不依賴于領(lǐng)域?qū)＜蚁闰炛R的情況下也能得到很好的結(jié)果。本文把SARA作為一種人臉表情識別的特征選擇方法，把SARA挑選的表情特征應(yīng)用于人臉表情識別，得到了很好的人臉表情識別結(jié)果，同時還得到了在人臉的幾何特征中嘴部的特征對人臉表情識別起到最重要作用的結(jié)論。
　　 3)基于粗糙集理論和集成學習理論，提出了一種選擇性集成的人臉表情識別方法。
　　 首先，基于經(jīng)典粗糙集理論的可辨識矩陣求出信

6、息系統(tǒng)的多個約簡，并對得到的多個約簡訓練多個候選分類器。然后，基于雙誤的差異性度量方法，對候選分類器按差異度進行聚類。最后，采用選擇性集成的策略，從每兩類候選分類器中選擇出差異性最大的分類器進行相對多數(shù)投票，得到集成的輸出結(jié)果。仿真實驗結(jié)果表明，該方法得到了良好的表情識別結(jié)果。
　　 4)基于擴展的粗糙集理論和集成學習理論，提出了一種動態(tài)選擇的人臉表情識別方法。
　　 首先，基于面向領(lǐng)域的數(shù)據(jù)驅(qū)動的數(shù)據(jù)挖掘模型思想，提出

7、了一個求核屬性的算法和一個基于信息熵的求多個屬性約簡的算法。然后采用該方法求出信息系統(tǒng)的多個約簡，并根據(jù)得到的多個約簡訓練候選分類器集合。最后，根據(jù)多分類器的本地精確性，基于動態(tài)選擇的策略從候選分類器集合中挑選出最優(yōu)的分類器對待識別的樣本進行分類識別。該方法成功用于直接處理人臉表情特征的連續(xù)值屬性，仿真實驗結(jié)果表明，該方法得到了良好的表情識別結(jié)果。
　　 5)開發(fā)了一個語音和視頻的雙模情感識別系統(tǒng)
　　 基于本文的研究成