隨著人工智能技術(shù)的發(fā)展,快速準(zhǔn)確地識(shí)別情緒能夠幫助機(jī)器人感知到用戶的狀態(tài),情緒識(shí)別成為一項(xiàng)越來(lái)越重要的研究課題。僅從單一模態(tài)識(shí)別情緒都有其缺點(diǎn),從多個(gè)模態(tài)出發(fā)可以提取不同模態(tài)的有效信息,提高情緒識(shí)別的正確率。本文綜合腦電（Electrocephalogram,EEG）和人臉表情兩個(gè)模態(tài),設(shè)計(jì)并實(shí)現(xiàn)了基于Android平臺(tái)的雙模態(tài)情緒識(shí)別系統(tǒng),實(shí)現(xiàn)高興/悲傷的二分類情緒識(shí)別,可以在Android系統(tǒng)上實(shí)現(xiàn)預(yù)處理、特征提取與融合、SVM分類的功能,同時(shí)使用圖形化界面展示采集到的腦電波形和人臉區(qū)域的圖像,并且展示系統(tǒng)記錄的樣本數(shù)據(jù)。本文的主要工作如下:（1）針對(duì)腦電模態(tài),使用小波閾值去噪（Wavelet Threshold Denoising,WTD）進(jìn)行預(yù)處理,再使用分型維數(shù)（Fractal Dimension,FD）和多尺度熵（Multiscale Entropy,MSE）算法提取腦電信號(hào)特征。為了驗(yàn)證腦電信號(hào)預(yù)處理和提取特征方法的合理性,本文對(duì)腦電情緒數(shù)據(jù)庫(kù)——DEAP數(shù)據(jù)庫(kù)中的腦電信號(hào)進(jìn)行情緒分類,在僅使用一個(gè)腦電通道FP1的條件下,支持向量機(jī)（Support Vector Mach... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

小白鼠植入腦電電極和芯片圖(圖片來(lái)自www.huxiu.com)

被試者佩戴傳統(tǒng)濕電極腦電采集設(shè)備（2）干電極腦電采集設(shè)備

被試者佩戴NeuroSky腦電采集頭套


本文編號(hào)：3085040