本文選題：J + 決策樹(shù)��； 參考：《計(jì)算機(jī)工程與設(shè)計(jì)》2017年03期

【摘要】：為準(zhǔn)確有效地對(duì)情緒狀態(tài)進(jìn)行識(shí)別,對(duì)4種情緒狀態(tài)(Joy、Anger、Sadness、Pleasure)下的多生理信號(hào)(心電、肌電、呼吸、皮電)進(jìn)行預(yù)處理和特征提取,利用ReliefF算法進(jìn)行特征選擇,利用J48決策樹(shù)分類器最終實(shí)現(xiàn)對(duì)4種情緒狀態(tài)的識(shí)別。J48決策樹(shù)分類器對(duì)4種情緒狀態(tài)的平均識(shí)別率為96.74%,對(duì)結(jié)果和數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn),RSP信號(hào)對(duì)情緒狀態(tài)識(shí)別十分重要;不同生理信號(hào)組合對(duì)情緒狀態(tài)的識(shí)別效果不同;Sadness和Pleasure的相互誤識(shí)率相對(duì)較高;使用J48決策樹(shù)進(jìn)行分類時(shí)采用的特征數(shù)量與樣本數(shù)量正相關(guān)。
[Abstract]:In order to identify the emotional state accurately and effectively, the multi-physiological signals (ECG, electromyography, respiration, skin electricity) under four kinds of emotional states (ECG, EMG, respiration, skin electricity) were pretreated and extracted, and the feature selection was carried out by using ReliefF algorithm. Finally, the J48 decision tree classifier is used to realize the recognition of four emotional states. The average recognition rate of J48 decision tree classifier for the four emotional states is 96.74. By analyzing the results and data, it is found that the RSP signal is very important to the recognition of emotional state. The recognition effect of different physiological signal combinations on emotional state is different. The mutual error rate of Sadness and Pleasure is relatively high, and the number of features used in J48 decision tree classification is positively correlated with the number of samples.
【作者單位】： 四川大學(xué)電氣信息學(xué)院;廣西師范學(xué)院計(jì)算機(jī)與信息工程學(xué)院;
【基金】：廣西高校重點(diǎn)實(shí)驗(yàn)室科學(xué)基金項(xiàng)目(GXSCIIP201411) 廣西自然科學(xué)基金重點(diǎn)項(xiàng)目(2014GXNSFDA118037) 四川省科技計(jì)劃基金項(xiàng)目(2015HH0036)
【分類號(hào)】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 楊志偉;努爾布力;賈雪;胡亮;;基于ReliefF的入侵特征選擇方法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2015年03期

2 賀方;聶春燕;;C5.0決策樹(shù)算法在基于混沌特征的情緒識(shí)別中的應(yīng)用[J];長(zhǎng)春大學(xué)學(xué)報(bào);2014年10期

3 陳紹煒;王聰;趙帥;;決策樹(shù)算法在電路故障診斷中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2013年12期

4 黃莉莉;湯進(jìn);孫登第;羅斌;;基于多標(biāo)簽ReliefF的特征選擇算法[J];計(jì)算機(jī)應(yīng)用;2012年10期

相關(guān)碩士學(xué)位論文 前1條

1 王彬;基于呼吸信號(hào)的情感識(shí)別研究[D];西南大學(xué);2010年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣小梅;張俊然;陳富琴;黃江濤;;基于J48決策樹(shù)分類器的情緒識(shí)別與結(jié)果分析[J];計(jì)算機(jī)工程與設(shè)計(jì);2017年03期

2 薛章鷹;劉興權(quán);;結(jié)合ReliefF、GA和SVM的面向?qū)ο蠼ㄖ锬繕?biāo)識(shí)別特征選擇方法[J];測(cè)繪工程;2017年02期

3 阿里木·賽買提;哈力木拉提·買買提;艾爾肯·賽甫丁;吐?tīng)柛ひ啦焕?;改進(jìn)的ReliefF算法在哈薩克斯拉夫文識(shí)別中的應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2017年02期

4 沙麗瓦爾·阿里木;努爾布力;吾守爾·斯拉木;;改進(jìn)的Re-FCBF算法在入侵檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年11期

5 楊文元;;基于最大相關(guān)最小冗余的多標(biāo)記特征選擇[J];數(shù)碼設(shè)計(jì);2016年02期

6 高國(guó)龍;杜華強(qiáng);韓凝;徐小軍;孫少波;李雪建;;基于特征優(yōu)選的面向?qū)ο竺窳址植夹畔⑻崛J];林業(yè)科學(xué);2016年09期

7 菅小艷;韓素青;崔彩霞;;不平衡數(shù)據(jù)集上的Relief特征選擇算法[J];數(shù)據(jù)采集與處理;2016年04期

8 黃春虎;努爾布力;;改進(jìn)的ReliefF算法在入侵檢測(cè)中的應(yīng)用[J];激光雜志;2016年06期

9 張楊;陳真誠(chéng);朱健銘;徐彪;;一種改進(jìn)的能量代謝守恒法無(wú)創(chuàng)檢測(cè)血糖算法[J];傳感技術(shù)學(xué)報(bào);2016年06期

10 王勇;龍也;陶曉玲;韋毅;;基于多層MapReduce的混合網(wǎng)絡(luò)流量分類特征選擇方法[J];桂林電子科技大學(xué)學(xué)報(bào);2016年02期

相關(guān)碩士學(xué)位論文 前8條

1 單禹皓;基于呼吸信號(hào)的人類應(yīng)激狀態(tài)實(shí)時(shí)遙測(cè)[D];西南大學(xué);2016年

2 何成;基于多生理信號(hào)的情緒識(shí)別方法研究[D];浙江大學(xué);2016年

3 雷沛;基于多生理信號(hào)的焦慮情緒識(shí)別方法研究[D];上海交通大學(xué);2014年

4 顏紅博;基于多生理信息融合的情緒識(shí)別方法[D];山東大學(xué);2014年

5 莊曉旭;腦電、眼動(dòng)技術(shù)融合的情感測(cè)量方法研究[D];東北大學(xué);2013年

6 李振陽(yáng);虛擬中醫(yī)正骨系統(tǒng)中經(jīng)典手法特征分析的研究[D];山東中醫(yī)藥大學(xué);2013年

7 劉月華;典型生理信號(hào)綜合測(cè)量及情緒識(shí)別研究[D];上海交通大學(xué);2011年

8 任婕;基于網(wǎng)購(gòu)消費(fèi)者情感因素的風(fēng)險(xiǎn)管理研究[D];復(fù)旦大學(xué);2012年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱琳;朱參世;;滑動(dòng)窗口數(shù)據(jù)流聚類算法在IDS中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2014年01期

2 楊杰明;劉元寧;曲朝陽(yáng);劉志穎;;文本分類中基于綜合度量的特征選擇方法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2013年05期

3 潘成賢;王俊麗;趙曉東;陸青;;立體軌道式碼頭傳送系統(tǒng)建模與仿真[J];計(jì)算機(jī)工程與應(yīng)用;2011年31期

4 錢宇華;梁吉業(yè);王鋒;;面向非完備決策表的正向近似特征選擇加速算法[J];計(jì)算機(jī)學(xué)報(bào);2011年03期

5 范文兵;王全全;雷天友;朱輝;;基于Q-relief的圖像特征選擇算法[J];計(jì)算機(jī)應(yīng)用;2011年03期

6 趙建峰;朱曉春;汪木蘭;卞磊;吳春英;;基于自適應(yīng)遺傳算法混合Flow-shop的調(diào)度與仿真[J];組合機(jī)床與自動(dòng)化加工技術(shù);2010年03期

7 彭宇;劉大同;彭喜元;;故障預(yù)測(cè)與健康管理技術(shù)綜述[J];電子測(cè)量與儀器學(xué)報(bào);2010年01期

8 馮少榮;肖文俊;;基于樣本選取的決策樹(shù)改進(jìn)算法[J];西南交通大學(xué)學(xué)報(bào);2009年05期

9 艾紅;周東華;;動(dòng)態(tài)系統(tǒng)的故障預(yù)測(cè)方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

10 韓國(guó)泰;;航空電子的故障預(yù)測(cè)與健康管理技術(shù)[J];航空電子技術(shù);2009年01期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王慶人;樹(shù)分類器的漸近最優(yōu)訓(xùn)練算法[J];機(jī)器人;1987年04期

2 常曉輝;穆志純;張坤;;一種新的貝葉斯樹(shù)分類器及其應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2008年05期

3 陳金峰,付偉;一種具有自由度特征的樹(shù)分類器[J];計(jì)算機(jī)與數(shù)字工程;1997年02期

4 葉臻,吳保國(guó),謝銘培;工件識(shí)別中決策樹(shù)分類器的設(shè)計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;1999年04期

5 李科;王潤(rùn)生;王程;;一種用于飛機(jī)型號(hào)識(shí)別的樹(shù)分類器方法[J];計(jì)算機(jī)工程與科學(xué);2006年11期

6 項(xiàng)婧;任R，

本文編號(hào)：2048318