本文關(guān)鍵詞：改進(jìn)的支持向量機(jī)用于脈搏信號(hào)的情感識(shí)別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著社會(huì)的發(fā)展,人機(jī)交互的理論和技術(shù)日益成熟,應(yīng)用范圍已然深入到人類生活的各個(gè)領(lǐng)域。情感識(shí)別研究是人機(jī)交互的一個(gè)重要分支,計(jì)算機(jī)能夠?qū)崟r(shí)的識(shí)別人類的情感,并可以作出相應(yīng)的情感調(diào)節(jié),這對(duì)營(yíng)造一個(gè)和諧的人機(jī)交互環(huán)境具有重要作用。脈搏信號(hào)是生理信號(hào)的一種,其本身蘊(yùn)含著豐富的生理病理信息,因此,基于脈搏信號(hào)的情感識(shí)別研究具有重要意義。情感識(shí)別中分類器的好壞直接影響識(shí)別的準(zhǔn)確性,支持向量機(jī)的關(guān)鍵參數(shù)如懲罰因子C、核函數(shù)參數(shù)γ取不同值時(shí),分類器的性能受到了很大影響。本文采用群智能優(yōu)化算法對(duì)支持向量機(jī)參數(shù)進(jìn)行自動(dòng)尋優(yōu),將螢火蟲算法應(yīng)用于支持向量機(jī)關(guān)鍵參數(shù)的優(yōu)化中,使情感的識(shí)別率比未經(jīng)任何處理的支持向量機(jī)高出7.9%。論文主要從以下幾個(gè)部分展開基于脈搏信號(hào)的情感識(shí)別研究:(1)設(shè)計(jì)了一塊光電式脈搏信號(hào)采集板,制定了一個(gè)較為合理的采集方案,采集了在校健康大學(xué)生的脈搏信號(hào)共80個(gè)樣本作為實(shí)驗(yàn)的數(shù)據(jù)庫(kù),為后續(xù)研究工作奠定了基礎(chǔ)。(2)采用經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)算法對(duì)采集到的脈搏信號(hào)進(jìn)行預(yù)處理,針對(duì)EMD算法存在的端點(diǎn)效應(yīng)影響分解結(jié)果的問題,本文采用最大相關(guān)性延拓的方式對(duì)其進(jìn)行改進(jìn)。結(jié)果表明,改進(jìn)的EMD在一定程度上抑制了端點(diǎn)效應(yīng),得到了較為理想的去噪效果。從脈搏信號(hào)中提取與情感密切相關(guān)的三類特征,即統(tǒng)計(jì)值特征、脈圖面積特征量K值及經(jīng)驗(yàn)?zāi)B(tài)能量熵特征。(3)闡述了支持向量機(jī)及其關(guān)鍵參數(shù)(C和γ)對(duì)分類器性能的影響,分析了傳統(tǒng)參數(shù)優(yōu)化方法的弊端。本文選取了群智能優(yōu)化算法中的粒子群算法和螢火蟲算法,測(cè)試表明螢火蟲算法收斂速度快,魯棒性較高,優(yōu)化精度高于粒子群算法。因此,本文采用螢火蟲算法優(yōu)化支持向量機(jī)的參數(shù)C和γ。情感分類結(jié)果表明,經(jīng)螢火蟲算法優(yōu)化后的支持向量機(jī)對(duì)樣本進(jìn)行分類的識(shí)別率比未經(jīng)任何處理的支持向量機(jī)要高出7.9%。因此,該方法在一定程度上提高了情感的識(shí)別率,使計(jì)算機(jī)能更加準(zhǔn)確的識(shí)別人類的情感。
【關(guān)鍵詞】：脈搏信號(hào) EMD算法 支持向量機(jī) 螢火蟲算法 情感識(shí)別
【學(xué)位授予單位】：重慶理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7;R443
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-17
• 1.1 情感識(shí)別研究的意義9-11
• 1.2 基于生理信號(hào)的情感識(shí)別研究現(xiàn)狀11-14
• 1.2.1 國(guó)外研究現(xiàn)狀11-13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-14
• 1.3 論文的研究?jī)?nèi)容及創(chuàng)新點(diǎn)14-17
• 2 脈搏信號(hào)的采集及處理17-25
• 2.1 脈搏信號(hào)18-19
• 2.2 脈搏信號(hào)的采集裝置19-21
• 2.3 脈搏信號(hào)采集方案21-24
• 2.3.1 脈搏信號(hào)的采集方案21
• 2.3.2 情感誘發(fā)21-22
• 2.3.3 實(shí)驗(yàn)數(shù)據(jù)采集22-24
• 2.4 本章小結(jié)24-25
• 3 改進(jìn)的EMD算法對(duì)脈搏信號(hào)的預(yù)處理及特征提取25-35
• 3.1 小波變換對(duì)脈搏信號(hào)的處理25-26
• 3.1.1 小波變換25-26
• 3.1.2 小波變換對(duì)脈搏信號(hào)的去噪處理26
• 3.2 EMD算法及其改進(jìn)26-27
• 3.2.1 經(jīng)驗(yàn)?zāi)B(tài)分解算法26-27
• 3.2.2 EMD分解存在的問題及改進(jìn)27
• 3.3 改進(jìn)的EMD算法對(duì)脈搏信號(hào)的預(yù)處理27-30
• 3.4 脈搏信號(hào)的特征提取30-33
• 3.4.1 統(tǒng)計(jì)特征值30-31
• 3.4.2 脈圖面積特征量K值31-32
• 3.4.3 模態(tài)能量熵特征32-33
• 3.5 本章小結(jié)33-35
• 4 SVM算法及其改進(jìn)35-49
• 4.1 SVM算法35-37
• 4.2 SVM存在的問題及改進(jìn)思路37-40
• 4.3 PSO算法和FA算法40-47
• 4.3.1 PSO算法40-42
• 4.3.2 FA算法42-46
• 4.3.3 算法比較46-47
• 4.4 本章小結(jié)47-49
• 5 改進(jìn)的SVM算法對(duì)情感的分類識(shí)別49-55
• 5.1 SVM擴(kuò)展49-50
• 5.2 FA算法優(yōu)化SVM參數(shù)50-51
• 5.3 情感分類結(jié)果分析51-54
• 5.4 本章小結(jié)54-55
• 6 結(jié)論及展望55-57
• 6.1 總結(jié)55
• 6.2 未來工作的展望55-57
• 致謝57-59
• 參考文獻(xiàn)59-63
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果63

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 行鴻彥;許瑞慶;王長(zhǎng)松;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的脈搏信號(hào)特征研究[J];儀器儀表學(xué)報(bào);2009年03期

2 王靜;徐斌;郁冬炎;;基于嵌入式技術(shù)的脈搏信號(hào)測(cè)試系統(tǒng)[J];計(jì)算機(jī)與現(xiàn)代化;2011年05期

3 陳曉;;基于壓電傳感器和個(gè)人計(jì)算機(jī)構(gòu)成的脈搏信號(hào)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)[J];中國(guó)組織工程研究與臨床康復(fù);2008年35期

4 張愛華;余冬;;基于相關(guān)分析的多維脈搏信號(hào)獲取[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2006年06期

5 許瑞慶;行鴻彥;;基于Hilbert-Huang變換的脈搏信號(hào)分析[J];中國(guó)組織工程研究與臨床康復(fù);2008年04期

6 程光偉;蒲瑞瑞;;基于SOPC的人體脈搏信號(hào)的測(cè)量[J];工業(yè)儀表與自動(dòng)化裝置;2012年06期

7 齊淑敏;杜麗;張蔚波;;基于Matlab的脈搏信號(hào)參數(shù)提取[J];山東建筑大學(xué)學(xué)報(bào);2010年01期

8 王炳和,郭紅霞;從脈搏信號(hào)中準(zhǔn)確提取呼吸和心率信息的新方法[J];陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

9 王大才;王英健;范必雙;吳利清;顧星;;基于改進(jìn)方法EEMD的HHT脈搏信號(hào)分析[J];計(jì)算技術(shù)與自動(dòng)化;2011年01期

10 劉磊;吳秋峰;張宏志;張大鵬;王寬全;;脈診客觀化研究綜述[J];智能計(jì)算機(jī)與應(yīng)用;2013年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

1 熊運(yùn)霞;苗德華;鄧三鵬;;用于人體疲勞狀態(tài)檢測(cè)的脈搏信號(hào)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

2 張愛華;蔡海燕;;VDT作業(yè)過程中脈搏信號(hào)的動(dòng)態(tài)分析[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)報(bào)告論文[C];2010年

3 韓清鵬;;應(yīng)用小波變換的脈搏信號(hào)去噪處理與特征點(diǎn)提取[A];第十二屆全國(guó)非線性振動(dòng)暨第九屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 楊風(fēng)健;;基于LabVIEW的脈搏信號(hào)檢測(cè)與分析系統(tǒng)[A];2010振動(dòng)與噪聲測(cè)試峰會(huì)論文集[C];2010年

5 王炳和;張建偉;相敬林;;基于小波變換的人體脈搏信號(hào)時(shí)-頻分布與心臟功能檢測(cè)[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

6 于璐;沙憲政;;Labview和Matlab平臺(tái)下的脈搏信號(hào)分析[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)報(bào)告論文[C];2010年

7 楊玉芳;熊繼平;譚黎;;基于單片機(jī)的光電脈搏檢測(cè)系統(tǒng)[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C];2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 王鵬;脈搏信號(hào)獲取與分析的研究[D];哈爾濱工業(yè)大學(xué);2014年

2 劉磊;基于多普勒超聲信號(hào)的脈象分析與分類研究[D];哈爾濱工業(yè)大學(xué);2013年

3 韓清鵬;脈搏信號(hào)的非線性分析及其不同情緒和環(huán)境的影響研究[D];浙江大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 孫霞;人體脈搏信號(hào)的采集與分析[D];哈爾濱理工大學(xué);2009年

2 唐銘一;脈搏信號(hào)數(shù)據(jù)分析與管理的研究[D];北京服裝學(xué)院;2010年

3 程旭敏;可穿戴眼鏡中脈搏和運(yùn)動(dòng)信號(hào)的分析處理及應(yīng)用研究[D];東南大學(xué);2015年

4 王瑩瑩;基于手機(jī)的脈搏信號(hào)無(wú)線監(jiān)護(hù)系統(tǒng)的研究[D];燕山大學(xué);2016年

5 湯欣;三基色環(huán)境下多通道脈搏信號(hào)影響分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2016年

6 何慧敏;基于脈搏特征參數(shù)和面部溫度分布特性的女性氣血病理的決策分析[D];昆明理工大學(xué);2016年

7 王浩良;基于SC0073A的脈搏信號(hào)獲取與基于周期脈搏熵的脈搏信號(hào)分析[D];重慶大學(xué);2016年

8 曾建梅;改進(jìn)的支持向量機(jī)用于脈搏信號(hào)的情感識(shí)別研究[D];重慶理工大學(xué);2016年

9 王國(guó)力;智能化脈搏信號(hào)測(cè)試系統(tǒng)研究[D];山東大學(xué);2005年

10 焦洋;指端脈搏信號(hào)測(cè)試系統(tǒng)研究[D];長(zhǎng)春理工大學(xué);2007年

  本文關(guān)鍵詞：改進(jìn)的支持向量機(jī)用于脈搏信號(hào)的情感識(shí)別研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：353860