生理信号情感模式识别—基和遗传算法的研究论文

《生理信号情感模式识别—基和遗传算法的研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南大学硕十学位论文比表现ple船u陀更容易实现。且实验多次识别率最好时所选特征均包含呼吸信号的一阶差分后的最大值(RsPldi行-m觚)、二阶差分的最大值(RSP2di昏ma)【)，说明呼吸信号更能表现出真实的愤怒的情感状态。(3)改进参数后的算法识别率得到一定的提高，从四种生理信号中抽取特征进行的情感识别效果要好于单一生理信号的情感识别。生理信号越多，包含的特征越丰富，选出的特征组合模式越有可能代表所对应的情感状态。就情感的维度而言，按唤醒度(arousal)轴方向来识别情感状态较按效价(valen

2、ce)轴方向来识别情感状态效果好，多次实验统计表明：特征scldi停me锄对anger情感反应较敏感。RSP对觚ger情感较敏感，这与情绪心理学和相关文献资料中得到的结论一致。最后，本文对以上所做工作的研究成果进行了总结，分析了研究中可迸一步开展工作的方面并对生理信号情感识别的应用前景作了展望。Il关键词：生理信号遗传算法情感识别特征选择最优情感特征组合囊霎霎叁蓁蓁薹霎翥霎篓薹再蓟鼋矍i笪蠢J耋

3、羹薹互霎雾薹点霎季{蓁萋j^藿冀霎?妻瑚竖鲤蓁喜爱塞霎，绩l羹枣辇coai妻圣；圳荤；羹羹蚕蓄

4、i塑囊j萋

5、

6、i薹嘉嚯薹翼基蓦a篓掣基：l"x独创性声明本人提交的学位论文是在导师指导下进行的研究工作及取得的研究成果。论文中引用他人已经发表或出版过的研究成果，文中已加了特别标注。对本研究及学位论文撰写曾做出贡献的老师、朋友、同仁在文中作了明确说明并表示衷心感谢。学位论文作者：件祝伟签字日期：未。对年+乡月二p日IJ_学位论文版权使用授权书本学位论文作者完全了解西南大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权西南大学研究生院(筹)可以将学位论

7、文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书，本论文：口不保密，口保密期限至年月止)。学位论文作者签名：件妩讳签字日期：&口谓年岁月，2口日导师签名：么乡‘7．签字日期：2口留年岁月．20日第一章绪论1．1引言情感计算(A髓ctiVeComputing，简称AC)[1】属于人机和谐交互研究的范畴，如何实现计算机的拟人化，使其能够感知周围环境、气氛、对象的态度、情感等内容，并适时做出响应与用户进行和谐的情感交互，已成为

8、“人机情感交互”【2】领域研究的一个热点和下一代计算机发展的目标。情感计算是研究关于情感、情感产生以及影响情感方面的计算，目的是赋予计算机识别、理解、表达和适应人类的情感的能力。要想使计算机具有类似于人的情感，首先要让它能够识别情感，然后依据对情感的判断来自适应调整对话方式，进而能够表达情感，从而实现人机和谐情感交互。情感识别研究的内容包括情感特征分析[3】、肢体情感识别【4】、面部情感识别【5】和语音情感识别【6】、语义情感识别【7】和生理信号情感识别[8】等方面。其中生理信号情感识别方面的研究有一定

9、的困难但又具有重要的理论意义和实用价值。面部表情、语音等方面的情感识别比较直观，都是以身体和行为方式的外在表现出来的自愿或不自愿信号的复杂模式为量度来识别的情感，而无法观测到潜在的，真实的情感状态。而生理信号则是伴随着情感变化由人体内部器官产生的一种生物电信号，更能客观真实的反映出当时的情感状态。通过分析生理信号，可以识别出内在真实的情感和情绪。并且生理传感器能以一种舒服的，非侵入的方式置于人身上，与身体保持良好接触，使得研究由生理信号来识别情感更贴切于实际，且有很大实用价值。因此，研究基于生理信号的情

10、感特征选择和分类是很有必要的。遗传算法(GeneticAlgorithm，简称GA)是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法，由美国JohnHolland教授提出【9】，包括以后的各种形式的改进的遗传算法，其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。它是一种全局化搜索算法，尤其适用于传统搜索算法难于解决的复杂问题和非线性问题，NP．难问题。广泛应用于机器学习【lO】、知识发掘[1l】、函数优化【12】、组合优化【13】、智能控制[14】、计算机安全【l5】等领

11、域。特征选择问题本质上是一个多维变量组合优化问题，已经在模式识别、机器学习、数据挖掘、统计学等领域得到广泛而深入的研究与应用。特征子集选择的目标是：在识别系统的性能没有明显下降的前提下，从给定的刀个特征的候选特征集中选取聊个特征形成特征子集(肌<胛)。通过特征选择得到的特征子集可以大大减少数据的存储量和存储错误率。已经证明最优(最小)特征子集选择问题(OFSS)是个NP-Hard问题[16】。优化问题的求解是人工智能的一个重要的应用领域，很