生理信號的情感模式識別—基于遺傳算法的研究.pdf

1、生理信號的情感識別是從所采集到的生理信號中抽取特征來進行的情感模式識別，論文將情感識別問題看成模式識別問題，將遺傳算法與經(jīng)典的模式識別分類方法“k-近鄰法”相結合引入到生理信號的情感識別中，將情感識別過程中最優(yōu)情感特征子集的求解看成一個組合優(yōu)化問題，嘗試尋找最能“代表”相應情感狀態(tài)的最優(yōu)情感特征組合及最好的識別率，將智能優(yōu)化算法的思想應用于生理信號的情感識別是論文想表明的一個創(chuàng)新點。 論文在前人研究成果的基礎上，主要做了三個方面

2、的工作： (1)對德國Augsburg大學的提供的原始情感生理數(shù)據(jù)樣本進行分析、處理，根據(jù)論文的需要構造出可以使用的原始情感數(shù)據(jù)矩陣，以各特征選擇時使用。 (2)針對用生理信號來識別情感中的最優(yōu)情感特征組合選擇這一組合優(yōu)化問題，嘗試將遺傳算法與“k-近鄰法”相結合用于joy，anger，sadness，pleasure四種情感狀態(tài)的識別，驗證該方法的可行性、有效性。 (3)將一種自適應遺傳算法與“K-近鄰法”相結

3、合再次應用于上面4種情感的識別，觀察改進后的算法情感識別率是否得到提高，能否得到與國際上相關領域一致的結論。 基于以上三方面所做工作，論文通過生理數(shù)據(jù)樣本仿真實驗，得到如下三個結論： (1)從德國Augsburg大學提供的情感數(shù)據(jù)樣本中抽取特征所構造的情感特征矩陣，對于分類joy，anger，pleasure，sadness四種情感狀態(tài)是有效的，并非特征數(shù)量越多，識別效果越好，存在冗余特征，不同的生理信號在識別不同情感狀

4、態(tài)時識別率差別很大。 (2)將遺傳算法用于生理信號情感識別中最優(yōu)情感特征模式的搜索是可行的，不同的生理信號在分類4種情感狀態(tài)所得識別率最好時所選擇的特征數(shù)目不同，所用的具體特征也各不相同，組合模式差別很大。同一生理信號在分類不同情感狀態(tài)時識別率差別很大，說明在不同情感狀態(tài)下各生理信號指標的差異很大，如呼吸信號(RSP)在分類anger時平均識別率97％，而在分類pleasure時平均識別率僅有34％；也說明通過RSP來表現(xiàn)ang

5、er比表現(xiàn)pleasure更容易實現(xiàn)。且實驗多次識別率最好時所選特征均包含呼吸信號的一階差分后的最大值(RSPldiff-max)、二階差分的最大值(RSP2diff-max)，說明呼吸信號更能表現(xiàn)出真實的憤怒的情感狀態(tài)。 (3)改進參數(shù)后的算法識別率得到一定的提高，從四種生理信號中抽取特征進行的情感識別效果要好于單一生理信號的情感識別。生理信號越多，包含的特征越豐富，選出的特征組合模式越有可能代表所對應的情感狀態(tài)。就情感的維度