發(fā)布時間：2017-05-30 05:04

  本文關鍵詞：基于多生理信號的情緒識別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計算機的發(fā)展,人們希望賦予計算機情感能力,使計算機能與人進行有感情的互動。讓計算機可以準確識別人的情緒是實現這一愿景的關鍵技術。以往的研究多利用人的面部表情、語音語調或姿態(tài)手勢買現情緒的識別,而人體生理信號與人的情緒也存在著某種內在的聯系,且生理信號客觀、不易偽裝,基于生理信號的情緒識別成為了近年來情緒識別研究的熱點。論文研究了一種基于人體心電、呼吸、脈搏波和皮膚電導四種生理信號對人的四種基本情緒狀態(tài)(平靜、開心、悲傷、恐懼)進行識別的方法。采集了17名受試者在平靜、開心、悲傷、恐懼情緒狀態(tài)下的心電、呼吸、脈搏波、皮膚電導生理信號,得到總共668個生理信號樣本。對生理信號進行了時域和頻域的分析,提取出了信號特征。針對初始特征空間維數過大的問題,研究了一種基于前向浮動搜索技術的特征選擇算法,該算法在指定選擇的特征數量后可以從初始特征集合中選擇出一組關鍵特征。利用這組關鍵特征,通過支持向量機對上述四種情緒進行訓練和預測。針對支持向量機的性能受懲罰因子和核函數參數很大影響的問題,引入了遺傳算法實現懲罰因子和核函數參數的最優(yōu)化。通過交叉驗證的方法對情緒識別算法的準確率進行評估,在31個關鍵特征下達到71.4%的識別準確率。此外,還將該情緒識別方法應用在德國Augsburg大學提供的情緒生理數據樣本上,得到了最高95%的識別準確率。以上結果說明該方法可以有效地識別情緒,并且具有較好的推廣性。
【關鍵詞】：生理信號 情緒識別 特征選擇 支持向量機 遺傳算法
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7;R33
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-10
• 1 緒論10-17
• 1.1 引言10-13
• 1.1.1 情感或情緒理論10-11
• 1.1.2 情緒分類和維度11-12
• 1.1.3 情緒的誘發(fā)方法12
• 1.1.4 情感計算和情緒識別12-13
• 1.2 研究目的和意義13
• 1.3 國內外研究現狀13-15
• 1.4 論文內容和結構15-17
• 2 生理信號和情感數據的采集17-25
• 2.1 生理信號的采集17-21
• 2.1.1 心電和呼吸信號17-18
• 2.1.2 脈搏波18-20
• 2.1.3 皮膚電導20-21
• 2.2 情感數據的采集21-24
• 2.2.1 實驗目標21
• 2.2.2 情緒誘發(fā)方案21-23
• 2.2.3 數據采集流程23-24
• 2.2.4 情緒誘發(fā)結果24
• 2.3 本章小結24-25
• 3 生理信號預處理和特征提取25-35
• 3.1 生理信號預處理26-29
• 3.1.1 心電信號預處理26-27
• 3.1.2 呼吸信號預處理27-28
• 3.1.3 脈搏波信號預處理28
• 3.1.4 皮膚電導信號預處理28-29
• 3.2 生理特征提取29-34
• 3.2.1 心電信號特征29-31
• 3.2.2 呼吸信號特征31-33
• 3.2.3 脈搏波特征33-34
• 3.2.4 皮膚電導特征34
• 3.3 本章小結34-35
• 4 基于前向浮動搜索技術的特征選擇算法35-42
• 4.1 特征預處理35-37
• 4.1.1 剔除離群點35-36
• 4.1.2 處理丟失數據36-37
• 4.1.3 特征歸一化37
• 4.2 基于前向浮動搜索技術的特征選擇算法37-41
• 4.3 本章小結41-42
• 5 基于支持向量機的情緒識別算法42-55
• 5.1 支持向量機42-49
• 5.1.1 線性可分情況下的支持向量機42-45
• 5.1.2 線性不可分情況下的軟間隔技術45-46
• 5.1.3 非線性支持向量機46-48
• 5.1.4 支持向量機應用于多分類48-49
• 5.2 基于遺傳算法的支持向量機參數優(yōu)化算法49-52
• 5.3 基于支持向量機的情緒識別算法52-53
• 5.4 本章小結53-55
• 6 基于多生理信號的情緒識別結果和分析55-61
• 6.1 情緒誘導實驗數據的情緒識別結果56-58
• 6.1.1 不同特征維度下的四種情緒分類結果56-57
• 6.1.2 最佳特征組合下四種情緒各自的識別效果57-58
• 6.2 奧格斯堡大學情緒生理信號數據的情緒識別結果58-60
• 6.3 本章小結60-61
• 7 總結與展望61-63
• 7.1 總結61-62
• 7.2 展望62-63
• 參考文獻63-68
• 附錄：生理信號中提取的特征列表68-70
• 作者簡歷70

【相似文獻】

中國期刊全文數據庫 前10條

1 崔文生,吳效明,朱斌,王曉航;通用生理信號實時檢測與顯示模型[J];暨南大學學報(自然科學與醫(yī)學版);2000年01期

2 楊小冬;何愛軍;周勇;寧新寶;;復雜生理信號的多重分形質量指數譜分析[J];科學通報;2010年19期

3 秦廷武，王齊琳;8098單片機生理信號實時記錄系統(tǒng)[J];生物醫(yī)學工程學雜志;1996年01期

4 陳亞光,陳心浩,楊仲樂;動態(tài)多道生理信號的實時無線數字傳輸[J];中南民族學院學報(自然科學版);1996年04期

5 王姝;;淺談實驗動物生理信號的采集與處理[J];中國科技信息;2014年09期

6 沈衛(wèi)星;姜正林;;大鼠大腦皮層和脊髓電生理信號的記錄[J];南通大學學報(醫(yī)學版);2006年06期

7 黃宇星,程敬之;多功能B型超聲診斷儀上四路生理信號監(jiān)視裝置[J];聲學技術;1993年03期

8 陳焯明，陳更生，楊懷，鄭永駒;DSS－1電生理信號采集、處理系統(tǒng)的設計[J];華南師范大學學報(自然科學版);1995年01期

9 小忻;;吃飯?zhí)鞎兣謫?[J];小學科技;2013年12期

10 ;[J];;年期

中國重要會議論文全文數據庫 前3條

1 李偉博;吳效明;;基于EZ-USB FX2的生理信號采集接口技術[A];中國儀器儀表學會醫(yī)療儀器分會2010兩岸四地生物醫(yī)學工程學術年會論文集[C];2010年

2 李國麗;史利杰;胡存剛;張萍;詹月紅;;基于LabVIEW的生理信號處理研究[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（下冊）[C];2006年

3 平安;王志良;;基于生理信號的人機情感交互系統(tǒng)應用研究綜述[A];2009中國控制與決策會議論文集（3）[C];2009年

中國重要報紙全文數據庫 前1條

1 記者 王怡;我研制出人造仿生電子皮膚[N];科技日報;2014年

中國博士學位論文全文數據庫 前6條

1 曾彭;生理信號的多尺度復雜性研究[D];南京大學;2015年

2 程靜;基本情感生理信號的非線性特征提取研究[D];西南大學;2015年

3 溫萬惠;基于生理信號的情感識別方法研究[D];西南大學;2010年

4 黃丹飛;基于生理信號關聯分析的可組合多通道監(jiān)護系統(tǒng)的研究[D];長春理工大學;2011年

5 王嬈芬;過程控制操作員生理信號分析及功能狀態(tài)建模[D];華東理工大學;2012年

6 楊照芳;心跳間期和皮膚電信號中的情感響應模式研究[D];西南大學;2015年

中國碩士學位論文全文數據庫 前10條

1 王翔;防化兵實訓中生理信號動態(tài)監(jiān)測[D];江蘇大學;2015年

2 何成;基于多生理信號的情緒識別方法研究[D];浙江大學;2016年

3 劉月華;典型生理信號綜合測量及情緒識別研究[D];上海交通大學;2011年

4 孫圣;織物化多生理信號檢測裝置的設計[D];電子科技大學;2013年

5 侯永捷;面向壓力評估的多生理信號采集和分析系統(tǒng)設計[D];燕山大學;2013年

6 李亭亭;運動員生理信號的采集和數據分析系統(tǒng)的研究[D];沈陽工業(yè)大學;2008年

7 孫洪央;基于多生理信號的壓力狀態(tài)下情緒識別方法研究[D];上海交通大學;2013年

8 程德福;雙重結構粒子群和K近鄰法用于生理信號情感狀態(tài)識別的研究[D];西南大學;2009年

9 魯舜;運用蟻群優(yōu)化算法篩選情感生理信號特征[D];西南大學;2009年

10 趙子辰;生理信號轉換及參數設置軟件開發(fā)[D];山東師范大學;2015年

  本文關鍵詞：基于多生理信號的情緒識別方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：406411