基于BPSO的生理信號的情感狀態(tài)識別.pdf

1、情感在人類的感知、決策等過程中扮演著重要角色。長期以來情感智能研究只存在于心理學和認知科學領域，近年來隨著人工智能的發(fā)展，情感智能與計算機技術結合產(chǎn)生了情感計算這一嶄新的研究課題，這將大大地促進計算機技術的發(fā)展。情感識別是情感計算的一個關鍵問題，是建立和諧人機環(huán)境的基礎之一，其目的是為正確選擇情感信號提供理論與實驗的依據(jù)，為情感的理解和表達提供可靠的原始數(shù)據(jù)，它的應用極其廣泛。目前，情感識別的方法多采用面部表情、身體姿態(tài)和語音信號分析法

2、，以及心理學上常用的問卷調(diào)查法，其結果一般受被試和主試的主觀因素影響，而生理變化只受人的自主神經(jīng)系統(tǒng)和內(nèi)分泌系統(tǒng)支配，不受人的主觀控制，因而應用生理信號測量法，所得數(shù)據(jù)更客觀。情感生理反應特異性問題一直存在著爭議。Ekman等人通過所做的一系列實驗得出的結論表明，至少對某些情感來說，其生理反應是特異的。Picard教授帶領的MIT媒體實驗小組證明應用生理信號對情感識別的方法是可行的。 在情感狀態(tài)識別中，大量無關或冗余的特征往往會

3、影響識別的速度和準確率，因此需要特征選擇。特征選擇問題實質(zhì)上是特征搜索問題，己經(jīng)被證明是NP難問題，雖然有一些學者提出了許多搜索算法，但是到目前為止還沒有公認有效的搜索算法。離散二進制粒子群(Binary Particle Swarm Optimization，BPSO)算法是一種基于群智能的全局優(yōu)化算法，主要用于解決組合優(yōu)化問題，且具有編碼簡單、個體數(shù)目少、計算速度快、易于理解、易于實現(xiàn)等特點。因此，論文研究將BPSO算法應用于情感生

4、理信號的特征選擇問題，以提高情感狀態(tài)的識別率。 論文在現(xiàn)有研究成果的基礎上，主要做了以下三個方面的工作： (1)針對多生理信號情感識別中的特征冗余問題，研究將計算智能的思想引入到情感生理信號的特征選擇中，以期證明能否提高情感狀態(tài)的正確識別率。采用BPSO方法進行情感生理信號的特征選擇，對單一生理信號識別單一情感及多種情感進行了研究，同時，在單一生理信號的基礎上，研究了多種生理信號識別單一情感及多種情感； (2)針

5、對BPSO后期搜索易停滯現(xiàn)象，利用改進的BPSO算法進行情感生理信號的特征選擇，以提高了算法的適應能力；研究了單一生理信號識別多種情感及情感識別率隨粒子變異率的變化關系。 (3)為了研究情感與生理信號之間的關系，采用幾種不同的特征選擇方法及分類器進行情感狀態(tài)識別。 論文通過大量仿真實驗證實了上述工作的正確性，取得了如下幾方面的研究成果： (1)從四種情感狀態(tài)對應的四種生理信號中提取了193個原始特征，采用BPSO

6、方法進行特征選擇，四種情感的總體識別率最高達到86％。四種情感狀態(tài)中，心電信號和皮電信號識別高興的效果較好，分別達到88％和72％；肌電信號和呼吸信號識別憤怒的效果較好，分別達到80％和100％1四種生理信號中，呼吸信號識別四種情感的正確率最高，達到69.86％。 (2)通過仿真實驗可知：當變異維數(shù)為2時，四種情感的平均識別率效果最好，由原來的66％提高到81.35％，用KNN分類器，四種生理信號的平均識別率最高可達到82.2％