

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、在基于生理信號的情感識別研究中,對信號進行特征提取通常是研究的關鍵所在。據(jù)此,為了進行有效的情感識別,達到提高識別率的目的,本文將準確提取能夠反映真實情感變化規(guī)律的特征作為研究的重點。本文根據(jù)生理信號的不可掩飾性,在喚起被試高興(happy)、悲傷(grief)、恐懼(fear)、憤怒(angry)四種真實情感的基礎上截取可靠的皮膚電信號,建立情感生理信號數(shù)據(jù)庫。根據(jù)皮膚電的非線性特性,首次提出利用Volterra非線性預測的方法對情感
2、狀態(tài)下皮膚電信號的非線性規(guī)律進行模擬,設計了Volterra級數(shù)預測模型;并針對預測濾波系數(shù)不易收斂及預測結果存在時延的缺點,提出利用神經(jīng)網(wǎng)絡來求解Volterra級數(shù)各階核的方法,以改進系數(shù)矢量計算方式,加快濾波系數(shù)收斂并提高了預測精度,完成了對于該預測模型的改進。之后本文根據(jù)改進的預測模型提取了有效非線性特征,對目標情感進行分類識別研究,得到了提高識別率的效果,證明了該方法對情感識別的有效性。最后本文采用蟻群優(yōu)化算法結合隨機森林分類
3、器對本文提取的所有線性、非線性特征進行特征選擇,在保證識別率的基礎上降低了特征維數(shù),最終結果中四種情感識別效果均達到百分之八十以上,效果最佳的悲傷情感識別率達到95%,與之前相關研究所得出的結果相比有了明顯改善。
本文具體做了以下工作:
(1)確定數(shù)據(jù)采集方案并建立情感生理信號樣本數(shù)據(jù)庫。選擇了具有較高喚起度的電影片段與平靜視頻進行剪輯,充分激發(fā)被試憤怒、恐懼、高興、悲傷四種目標情感,詳細記錄實驗過程,分析采集到的數(shù)
4、據(jù),截取誘發(fā)效果較好的信號建立樣本庫。(2)皮膚電非線性、可預測性分析。用替代數(shù)據(jù)法證明皮膚電的非線性特性;通過對非線性信號及隨機信號的預測結果進行對比,證明復雜系統(tǒng)中運用非線性預測方法對系統(tǒng)進行預測可以還原其原本規(guī)律,而隨機信號根本不存在可預測性。
(3) Volterra級數(shù)的預測模型設計。通過對皮膚電時間序列進行向空間重構,在高維空間中恢復出混沌吸引子,利用Volterra級數(shù)的展開式構造新的函數(shù)逼近原函數(shù),找出隱藏在混
5、沌吸引子中的演化規(guī)律,使現(xiàn)有數(shù)據(jù)納入某種可描述的框架之下,由系統(tǒng)當前狀態(tài)獲得下一時刻的狀態(tài),構造Volterra級數(shù)的預測模型。
(4)改進預測模型,構造含有較強情感規(guī)律的時間序列。提出利用神經(jīng)網(wǎng)絡來求解Volterra級數(shù)的各階核,改進系數(shù)矢量計算方式,從而加快了濾波系數(shù)收斂并提高了預測精度,重構出含有明顯情感變化規(guī)律的非線性時間序列,在此基礎上進行特征提取,保證所提取特征的真實有效性。
(5)對情感狀態(tài)下皮膚電信
6、號的非線性特征進行分析及提取。在對采集到的皮膚電信號進行濾波、歸一化等預處理之后,計算其根據(jù)改進的預測模型得出的時間序列,采用非線性的方法分別對皮膚電原始信號以及預測后重構的時間序列進行非線性特征分析,比較其熵、維數(shù)等非線性參數(shù),并用特征驗證證明提出的這些非線性特征可以用來做情感識別。
(6)蟻群優(yōu)化算法結合隨機森林分類器進行特征選擇及情感識別。加入情感識別效果較好的線性特征,利用改進后的蟻群優(yōu)化算法對所有的非線性特征以及加入
7、的線性特征進行特征選擇,并利用隨機森林分類器對結果進行分類,從憤怒、恐懼、高興、悲傷四種混合情感中識別出目標情感。
實驗結果表明:
(1)皮膚電信號為非線性信號,存在較強的非線性規(guī)律并有較強的可預測性。
(2) Volterra級數(shù)預測法可以較好的對情感狀態(tài)下皮膚電的運動趨勢作出短期預測,并在一定程度上還原了皮膚電的情感規(guī)律,導致非線性特征在原始信號和預測信號計算結果中的存在差異。
(3)在經(jīng)過V
8、olterra級數(shù)預測處理后的皮膚電時間序列加強了自身非線性規(guī)律,應用預測后所提的非線性特征可提高目標情感的正確識別率;表明Volterra級數(shù)預測在情感識別中具有一定的研究價值與意義。
(4)蟻群優(yōu)化算法對本文提出的線性、非線性特征進行特征選擇,結果中改進預測方法后的皮膚電信號提取的非線性特征入選率較高。
(5)本文所提的所有特征對信號的線性及非線性規(guī)律都有了詳細的描述,最終得到了高興(80.44%)憤怒(81.2
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 皮膚電信號在社交焦慮情感識別中的應用研究
- 非線性特征用于心電信號的情感識別.pdf
- 皮膚電信號在社交焦慮情感識別中的應用研究.pdf
- 基于皮膚電信號的情感識別與調節(jié)研究.pdf
- 腦電信號在情感識別中的研究.pdf
- 肌電信號在情感狀態(tài)識別中的研究.pdf
- 兩種改進的粒子群算法在皮膚電信號情感識別中的研究.pdf
- 皮膚電信號的情感特征提取及分類識別研究.pdf
- 基于腦電信號的情感識別.pdf
- 基于非線性特征的癲癇腦電信號識別算法.pdf
- 心跳間期和皮膚電信號中的情感響應模式研究.pdf
- 曲線擬合及蜂群算法用于皮膚電信號的情感識別.pdf
- 癲癇腦電信號的非線性分析.pdf
- 基于腦電信號樣本熵的情感識別.pdf
- 人機交互環(huán)境下基于皮膚電信號的情感實時識別與調節(jié)方法研究.pdf
- 情感識別中基于心電信號的特征分析與處理.pdf
- 非線性系統(tǒng)理論在腦電信號分析中的應用研究.pdf
- 主元分析和非線性方法在表面肌電信號中的應用研究.pdf
- 心室病癥心電信號的非線性時間序列分析.pdf
- 皮膚電反應信號在情感狀態(tài)識別中的研究.pdf
評論
0/150
提交評論