典型生理信號綜合測量及情緒識別研究.pdf

1、情緒在人類的感知、推理、決策的過程中扮演著極其重要的角色，長期以來，對情緒的研究只存在于心理學(xué)和認(rèn)知科學(xué)領(lǐng)域。近年來，隨著人工智能的發(fā)展，情緒研究與新興的機(jī)器學(xué)習(xí)方法相結(jié)合產(chǎn)生了基于機(jī)器學(xué)習(xí)的情緒識別這一嶄新的研究方向。目前，用于情緒識別的對象一般有面部表情、語音、語義、姿態(tài)和生理信號，其中生理信號作為人類最真實(shí)的情緒體現(xiàn)，攜帶著豐富的情緒信息。
　　在機(jī)器學(xué)習(xí)方面，基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)的實(shí)現(xiàn)解決了神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法遇

2、到一些重要的困難，比如如何確定網(wǎng)絡(luò)結(jié)構(gòu)、過學(xué)習(xí)與欠學(xué)習(xí)問題、局部極值問題等，因此其在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出特有的優(yōu)勢。論文即采用了支持向量機(jī)算法對生理信號進(jìn)行訓(xùn)練和識別，主要工作內(nèi)容如下：
　　(1)對德國 Augsburg大學(xué)提供的心電、肌電、呼吸、皮膚電四種情緒生理信號進(jìn)行分析、處理，構(gòu)造了193個(gè)情緒特征向量，并建立了包含高興、憤怒、悲傷和喜悅四種情緒的情緒模型。
　　(2)將支持向量機(jī)算法和留一

3、法結(jié)合，對單個(gè)生理信號及其四個(gè)信號的組合分別進(jìn)行訓(xùn)練來識別情緒模型中的四種情緒，單個(gè)以及四種生理信號對所有情緒的識別率最低可達(dá)65％和73%。
　　(3)對四種生理信號構(gòu)造一對多、一對一、二叉樹方法的多類情緒分類器并用留一法交叉驗(yàn)證?？紤]容錯(cuò)識別時(shí)，高興的最低識別率為76%，憤怒的最低識別率為84%，悲傷和喜悅的最低識別率為52%和56%。
　　(4)利用集成化的傳感器和自主設(shè)計(jì)的檢測電路，設(shè)計(jì)了植入智能服飾的便攜移動式測量