自適應遺傳算法在生理信號情感識別中的應用研究.pdf

1、本課題將自適應遺傳算法(AGA，Adaptive Genetic Algorithm)應用到生理信號情感識別的特征選擇過程中，對與情感相關的四種生理信號進行特征選擇，并用支持向量機(SVM，Support Vector Machine)進行分類評估，得出基于最優(yōu)識別率的特征子集，以此研究生理信號數(shù)據(jù)及其統(tǒng)計特征與情感狀態(tài)之間的相關關系，為后續(xù)進行基于生理信號的情感狀態(tài)分類器的設計與研究奠定基礎，為更科學地進行情感計算提供新的實踐方法和手

2、段，具有重要的學術價值和應用意義。
　　 本課題主要研究自適應遺傳算法在生理信號情感識別特征選擇過程中的應用。課題選用了四種與情感相關的生理信號，它們是心電圖(ECG，Electrocardiogram)、肌電圖(EMG，Electromyogram)、呼吸(RSP，Respiration)和皮膚電導(SC，Skin Conductivity)，用其分類識別高興(Joy)、憤怒(Anger)、悲傷(Sadness)愉悅(Plea

3、sure)這四種情感狀態(tài)，并以德國奧格斯堡大學多媒體與信號處理實驗室的數(shù)據(jù)為例，對分類識別過程中的最優(yōu)化特征選擇算法進行研究。主要完成了遺傳算法適應度函數(shù)的設計，遺傳算法優(yōu)劣評判準則的設計，標準遺傳算法(SGA，Simple Genetic Algorithm)的選擇操作、交叉操作和變異操作的自適應改進和終止條件的設計等工作。
　　 經(jīng)過本課題的研究實踐，基于自適應遺傳算法的特征子集選擇方法能夠在可接受的代價內(nèi)找到情感分類問題的