相關(guān)性分析及蟻群優(yōu)化算法用于脈博信號(hào)的情感識(shí)別研究.pdf

1、在科學(xué)技術(shù)相對(duì)發(fā)達(dá)的今天,人一機(jī)交互話題已經(jīng)不再陌生,情感計(jì)算作為其關(guān)鍵技術(shù)也得到了廣泛發(fā)展。在情感計(jì)算的研究?jī)?nèi)容中,情感識(shí)別作為其重要組成部分之一已然受到高度重視。目前的情感識(shí)別主要通過采集并分析圖像信號(hào)、語音信號(hào)、文本信號(hào)和生理信號(hào)來進(jìn)行。它們各有所長(zhǎng)、互為補(bǔ)充,因?yàn)檫€沒有哪一種方式能十分準(zhǔn)確地判斷情感的特征。圖像信號(hào)、語音信號(hào)和文本信號(hào)一般通過多媒體方法獲取,而由生理信號(hào)由傳感器通過非侵入方式來獲得,這些信號(hào)都可以用計(jì)算機(jī)來加以分

2、析計(jì)算。顯然,當(dāng)人們有了情感時(shí),從身體上直接得到的生理信號(hào)更能準(zhǔn)確地判斷其情感,甚至是潛在的情感,即前三種方式不能觀察到的情感特征。脈搏信號(hào)作為生理信號(hào)之一,在已有文獻(xiàn)中的相關(guān)研究較少,論文將針對(duì)脈搏信號(hào)的情感識(shí)別問題展開研究工作。
　　 從文獻(xiàn)可知,脈搏信號(hào)是一種微弱的生物電信號(hào),是神經(jīng)細(xì)胞傳導(dǎo)信息時(shí)在血管內(nèi)部或皮膚表面電活動(dòng)的總體反映,蘊(yùn)含著人體許多生理和病理信息。假如能從脈搏信號(hào)中找出能代表某種情感的特征或特征組合,建立起

3、情感生理特征與情感之間的一種映射關(guān)系,就可以通過脈搏信號(hào)的情感生理特征來進(jìn)行情感識(shí)別。具體工作實(shí)現(xiàn)如下:
　　 (1)信號(hào)采集:設(shè)計(jì)恰當(dāng)?shù)拿}搏信號(hào)采集實(shí)驗(yàn)方案,采用視覺和聽覺同時(shí)刺激的方式得到情感脈搏信號(hào)的情感生理反應(yīng)樣本。包括平靜、高興、驚奇、厭惡、悲傷、憤怒、恐懼7種情感激發(fā)狀態(tài)下的脈搏信號(hào),共計(jì)242組樣本。
　　 (2)特征提取:由于原始信號(hào)通常都受到各種因素的干擾,為了使數(shù)據(jù)源更加可靠,在特征提取之前對(duì)原始樣本

4、信號(hào)進(jìn)行預(yù)處理。然后提取20個(gè)時(shí)域特征和84個(gè)小波系數(shù)特征(104個(gè)統(tǒng)計(jì)特征),并對(duì)特征數(shù)據(jù)進(jìn)行去除異常數(shù)值、歸一化等處理后得到包括六類情感的1165個(gè)樣本作為原始特征集合。
　　 (3)特征選擇:論文中提出了一種相關(guān)性分析和蟻群優(yōu)化算法相結(jié)合的兩階段特征選擇方法。首先將原始特征用序列后向選擇(SBS)方法排序,然后利用線性相關(guān)系數(shù)分析法計(jì)算特征間的相關(guān)度,并根據(jù)排序結(jié)果去除部分相關(guān)度較大的特征,最后針對(duì)篩選后的特征子集用一種蟻

5、群優(yōu)化算法——最大最小蟻群進(jìn)行特征選擇,并以Fisher分類識(shí)別率和特征選擇維數(shù)兩個(gè)因素確定適應(yīng)度函數(shù),對(duì)高興、驚奇、厭惡、悲傷、憤怒和恐懼六種情感進(jìn)行分類。此外,再選用一種非智能算法——基于凸優(yōu)化的支持向量機(jī)特征選擇方法進(jìn)行脈搏信號(hào)情感特征的選擇,以便與文中所提方法的結(jié)果進(jìn)行對(duì)比。
　　 (4)模型建立:利用上述方法完成實(shí)驗(yàn)分析,總結(jié)出能夠代表脈搏情感信號(hào)高興、驚奇、厭惡、悲傷、憤怒、恐懼的特征組合,建立起脈搏信號(hào)各個(gè)情感的二