雙重結(jié)構(gòu)粒子群和K近鄰法用于生理信號(hào)情感狀態(tài)識(shí)別的研究.pdf

1、當(dāng)代信息科學(xué)技術(shù)的飛速發(fā)展使得人類對(duì)計(jì)算機(jī)的依賴程度不斷增強(qiáng)，人機(jī)交互能力越來(lái)越受到研究者的重視。如何實(shí)現(xiàn)計(jì)算機(jī)的擬人化，使其能夠感知周圍環(huán)境、氣氛、對(duì)象的態(tài)度、情感等內(nèi)容，適時(shí)做出響應(yīng)與并與用戶進(jìn)行和諧的情感交流，已成為“人機(jī)情感交互”領(lǐng)域研究的一個(gè)熱點(diǎn)課題。讓計(jì)算機(jī)具有人類情感，首先就是要使計(jì)算機(jī)能夠理解人的情感狀態(tài)，并改善計(jì)算機(jī)識(shí)別情感狀態(tài)的能力，也就是進(jìn)行情感計(jì)算。情感識(shí)別是情感計(jì)算的一個(gè)關(guān)鍵問(wèn)題，是建立和諧人機(jī)環(huán)境的基礎(chǔ)之一。

2、 情感計(jì)算是當(dāng)前新興的課題之一，它是關(guān)于情感方面的計(jì)算，目的是賦予計(jì)算機(jī)識(shí)別、理解、表達(dá)和適應(yīng)人情感的能力。情感識(shí)別是情感計(jì)算的一個(gè)重要組成部分，情感識(shí)別研究的內(nèi)容包括面部表情、語(yǔ)音、姿勢(shì)、文本和生理信號(hào)識(shí)別等方面。生理信號(hào)是伴隨著的情感變化由人體內(nèi)部器官產(chǎn)生的生物電信號(hào)，更能客觀真實(shí)的反映出當(dāng)時(shí)的情感狀態(tài)。Ekman等人通過(guò)所做的一系列實(shí)驗(yàn)得出的結(jié)論表明，至少對(duì)某些情感來(lái)說(shuō)，其生理反應(yīng)是特異的，Picard教授帶領(lǐng)的MIT媒體

3、實(shí)驗(yàn)小組證明應(yīng)用生理信號(hào)對(duì)情感識(shí)別的方法是可行的，因而為生理信號(hào)情感識(shí)別的進(jìn)一步研究提供了可靠的理論支撐。 在情感狀態(tài)識(shí)別中，大量無(wú)關(guān)或冗余的特征往往會(huì)影響識(shí)別的速度和準(zhǔn)確率，因此需要特征選擇。特征選擇問(wèn)題實(shí)質(zhì)上是組合優(yōu)化問(wèn)題，雖然有一些學(xué)者提出了許多搜索算法，但是到目前為止還沒(méi)有公認(rèn)有效的搜索算法。雙重結(jié)構(gòu)粒子群(Dual—Structure ParticleSwarm Optimization，DSPSO)算法是一種基于群智

4、能的全局優(yōu)化算法，其獨(dú)特的結(jié)構(gòu)使得連續(xù)粒子群可以用于解決組合優(yōu)化問(wèn)題，且具有編碼簡(jiǎn)單、個(gè)體數(shù)目少、計(jì)算速度快、種群多樣性好、易于理解、易于實(shí)現(xiàn)等特點(diǎn)。因此，論文研究將DSPSO算法應(yīng)用于情感生理信號(hào)的特征選擇問(wèn)題，以提高情感狀態(tài)的識(shí)別率。 在特征搜索過(guò)程中需要對(duì)所選特征組合進(jìn)行評(píng)價(jià)，評(píng)價(jià)過(guò)程是一次分類識(shí)別的過(guò)程。由于K近鄰(K-Nearest Neighbors，KNN)分類算法快捷高效，在需要多次調(diào)用分類識(shí)別的特征搜索過(guò)程中，

5、KNN有其獨(dú)特的優(yōu)勢(shì)。因此，論文研究將KNN分類識(shí)別算法作為特征搜索過(guò)程中的評(píng)價(jià)函數(shù)，以提高計(jì)算速度。 本文首先以德國(guó)奧格斯堡大學(xué)多媒體與信號(hào)處理實(shí)驗(yàn)室的數(shù)據(jù)為例(四種情感狀態(tài)(高興(Joy)、憤怒(Anger)、悲傷(Sadness)、愉悅(Pleasure))下的四種生理信號(hào)(肌電(Electromyogram，EMG)、皮膚電(Skin Conductivity,SC)、心電(Electrocardiogram,ECG)、

6、呼吸(Respiration，RSP)))，對(duì)基于生理信號(hào)情感識(shí)別進(jìn)行了研究，針對(duì)德國(guó)數(shù)據(jù)本文主要做了以下四方面的工作： (1)針對(duì)生理信號(hào)情感識(shí)別中的特征冗余問(wèn)題，研究將計(jì)算智能的思想引入到情感生理信號(hào)的特征選擇中，以期證明能否提高情感狀態(tài)的正確識(shí)別率。采用DSPSO-KNN方法進(jìn)行情感生理信號(hào)的特征選擇，使用單一生理信號(hào)以及多種生理信號(hào)對(duì)單一情感以及多種情感進(jìn)行了識(shí)別研究。 (2)針對(duì)DSPSO-KNN在原始特征維數(shù)

7、較多時(shí)效果不好的情況。利用基于混沌變異小生境多種群的DSPSO-KNN進(jìn)行情感生理信號(hào)的特征選擇，以改善高維的特征選擇效果。對(duì)單一生理信號(hào)識(shí)別單一情感及多種情感進(jìn)行了研究，同時(shí)，在單一生理信號(hào)的基礎(chǔ)上，研究了多種生理信號(hào)識(shí)別單一情感及多種情感。 (3)針對(duì)研究過(guò)程中出現(xiàn)多類識(shí)別時(shí)的不可分類現(xiàn)象，本文提出了增量K的KNN多類識(shí)別算法；由于在算法趨近于收斂時(shí)會(huì)出現(xiàn)大量的重復(fù)粒子，本文將查找表方法應(yīng)用到搜索過(guò)程中以期減少不必要的計(jì)算。

8、 (4)為了體現(xiàn)論文方法的優(yōu)越性，采用DSPSO-KNN和傳統(tǒng)的順序浮動(dòng)前向搜索(Sequential Floating Forward Selection，SFFS)和順序浮動(dòng)后向搜索(Sequential FloatingBackword Selection，SFBS)特征選擇方法進(jìn)行情感狀態(tài)識(shí)別的效果對(duì)比。 為了進(jìn)一步開(kāi)展研究工作，我們測(cè)試了391名在校大學(xué)生(兩種情感狀態(tài)(高興(Joy)和悲傷(Sadness))

9、下的心電信號(hào)(ECG))，并使用效果較好的150個(gè)樣本進(jìn)行識(shí)別研究，做了以下工作： 對(duì)測(cè)得的心電數(shù)據(jù)預(yù)處理后，運(yùn)用小波變換進(jìn)行P-QRS-T波定位后提取統(tǒng)計(jì)特征，采用提取的特征進(jìn)行特征選擇以及情感識(shí)別。 論文通過(guò)大量仿真實(shí)驗(yàn)證實(shí)了上述工作的正確性，取得了如下幾方面的研究成果： (1)從四種生理信號(hào)中提取了193個(gè)原始特征，采用DSPSO-KNN方法進(jìn)行特征選擇。單一生理信號(hào)中，肌電信號(hào)識(shí)別四種情感效果最好，達(dá)到8

10、3％；皮膚電信號(hào)識(shí)別效果最差，只有51％；四種生理信號(hào)識(shí)別四種情感得到了93％。 (2)通過(guò)仿真實(shí)驗(yàn)得知：在特征維數(shù)較少時(shí)，改進(jìn)的DSPSO-KNN沒(méi)有優(yōu)勢(shì)，但是特征維數(shù)較多時(shí)，改進(jìn)的DSPSO-KNN效果明顯更好。比如肌電信號(hào)和皮膚電信號(hào)的原始特征維數(shù)為21個(gè)，改進(jìn)前后兩者的識(shí)別率基本一樣；而心電信號(hào)原始特征維數(shù)為84個(gè)，改進(jìn)前最好識(shí)別率為69％，改進(jìn)后最好識(shí)別率為73％。通過(guò)對(duì)DSPSO-KNN特征選擇的統(tǒng)計(jì)發(fā)現(xiàn)一些特征確實(shí)

11、在識(shí)別某些情感時(shí)有特殊的貢獻(xiàn)，其中肌電信號(hào)的二階差分中值不論是在單一信號(hào)還是多個(gè)信號(hào)識(shí)別愉悅時(shí)幾乎都是百分之百被選中。 (3)增量K的KNN多類分類算法不僅解決了不可分現(xiàn)象，而且識(shí)別率得到了提高，比如肌電信號(hào)識(shí)別四種情感時(shí)識(shí)別率為83％，而傳統(tǒng)的兩種方法分別為79.4％和80％：采用查找表方法后，以肌電信號(hào)識(shí)別四種情感為例，固定迭代200代，由原來(lái)的75.54秒減少到15.21秒。 (4)采用四種生理信號(hào)識(shí)別四種情感狀態(tài)

12、時(shí)，SFFS的最好識(shí)別率為93％，33個(gè)特征，SFBS的最好識(shí)別率為92％，23個(gè)特征，改進(jìn)后的DSPSO-KNN最好識(shí)別率為93％，12個(gè)特征。 (5)通過(guò)實(shí)驗(yàn)室自測(cè)的ECG信號(hào)對(duì)高興和悲傷兩種情感進(jìn)行了識(shí)別研究，ECG信號(hào)識(shí)別高興和悲傷的最優(yōu)特征組合包含7個(gè)特征。識(shí)別率達(dá)到87.33％。 通過(guò)本文的研究可以看出，DSPSO和KNN結(jié)合的方法(DSPSO-KNN)是一種較好的情感生理信號(hào)特征選擇方法，通過(guò)使用該方法可以