針對當前情緒識別研究中特征維數(shù)多、識別率不高的問題,提出了基于多生理信號（心電、肌電、呼吸、皮膚電）融合及FCA-ReliefF特征選擇的情緒識別方法;通過將從時域和頻域兩個維度提取的生理信號特征進行融合,作為分類器的輸入進行情緒分類;為了降低特征維度,首先進行特征相關(guān)性分析（FCA）刪除相關(guān)性較大的特征;再通過ReliefF剔除分類貢獻弱的特征,達到降低特征維度的目的;在公開的數(shù)據(jù)集上進行驗證,并與相關(guān)研究進行對比;結(jié)果表明,提出的方法在特征維度及識別率兩個方面均有優(yōu)勢;提出的FCA-ReliefF降維策略有效地將特征從108維減少到60維,并且將識別精度提高到98.40%,驗證了方法的有效性。 

【文章來源】：計算機測量與控制. 2020,28(02)

【文章頁數(shù)】：5 頁

【部分圖文】：

情緒識別算法流程圖

【參考文獻】：
期刊論文
[1]基于SAE和LSTM RNN的多模態(tài)生理信號融合和情感識別研究[J]. 李幼軍,黃佳進,王海淵,鐘寧.  通信學報. 2017(12)
[2]基于J48決策樹分類器的情緒識別與結(jié)果分析[J]. 蔣小梅,張俊然,陳富琴,黃江濤.  計算機工程與設(shè)計. 2017(03)
[3]基于生理信號的情感識別技術(shù)綜述[J]. 陳月芬,崔躍利,王三秀.  系統(tǒng)仿真技術(shù). 2017(01)
[4]一種過濾式多標簽特征選擇算法[J]. 胡學鋼,許堯,李培培,張玉紅.  南京大學學報(自然科學). 2015(04)
[5]基于生理信號的情緒識別研究進展[J]. 張迪,萬柏坤,明東.  生物醫(yī)學工程學雜志. 2015(01)
[6]基于改進功率譜熵的抑郁癥腦電信號活躍性研究[J]. 王凱明,鐘寧,周海燕.  物理學報. 2014(17)
[7]基于多標簽ReliefF的特征選擇算法[J]. 黃莉莉,湯進,孫登第,羅斌.  計算機應(yīng)用. 2012(10)
[8]改進的蟻群系統(tǒng)在心電信號情感識別中的應(yīng)用[J]. 馬長偉,劉光遠,魯舜.  計算機工程與應(yīng)用. 2010(31)

碩士論文
[1]情感識別脈搏信號特征分類研究[D]. 杜昭慧.吉林大學 2017
[2]基于皮膚電信號的情感識別與調(diào)節(jié)研究[D]. 劉峰.西南大學 2015
[3]肌電信號在情感狀態(tài)識別中的研究[D]. 程穎.西南大學 2011
[4]基于心電信號的情感識別研究[D]. 徐亞.西南大學 2010



本文編號：2976260