發(fā)布時間：2018-06-21 10:36

  本文選題：J + 決策樹　； 參考：《計算機工程與設計》2017年03期

【摘要】：為準確有效地對情緒狀態(tài)進行識別,對4種情緒狀態(tài)(Joy、Anger、Sadness、Pleasure)下的多生理信號(心電、肌電、呼吸、皮電)進行預處理和特征提取,利用ReliefF算法進行特征選擇,利用J48決策樹分類器最終實現(xiàn)對4種情緒狀態(tài)的識別。J48決策樹分類器對4種情緒狀態(tài)的平均識別率為96.74%,對結果和數(shù)據(jù)進行分析發(fā)現(xiàn),RSP信號對情緒狀態(tài)識別十分重要;不同生理信號組合對情緒狀態(tài)的識別效果不同;Sadness和Pleasure的相互誤識率相對較高;使用J48決策樹進行分類時采用的特征數(shù)量與樣本數(shù)量正相關。
[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】： 四川大學電氣信息學院;廣西師范學院計算機與信息工程學院;
【基金】：廣西高校重點實驗室科學基金項目(GXSCIIP201411) 廣西自然科學基金重點項目(2014GXNSFDA118037) 四川省科技計劃基金項目(2015HH0036)
【分類號】：TN911.7

【參考文獻】

相關期刊論文 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];吉林大學學報(理學版);2015年03期

2 賀方;聶春燕;;C5.0決策樹算法在基于混沌特征的情緒識別中的應用[J];長春大學學報;2014年10期

3 陳紹煒;王聰;趙帥;;決策樹算法在電路故障診斷中的應用[J];計算機工程與應用;2013年12期

4 黃莉莉;湯進;孫登第;羅斌;;基于多標簽ReliefF的特征選擇算法[J];計算機應用;2012年10期

相關碩士學位論文 前1條

1 王彬;基于呼吸信號的情感識別研究[D];西南大學;2010年

【共引文獻】

相關期刊論文 前10條

1 蔣小梅;張俊然;陳富琴;黃江濤;;基于J48決策樹分類器的情緒識別與結果分析[J];計算機工程與設計;2017年03期

2 薛章鷹;劉興權;;結合ReliefF、GA和SVM的面向?qū)ο蠼ㄖ锬繕俗R別特征選擇方法[J];測繪工程;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;吐爾根·依不拉因;;改進的ReliefF算法在哈薩克斯拉夫文識別中的應用[J];計算機工程與設計;2017年02期

4 沙麗瓦爾·阿里木;努爾布力;吾守爾·斯拉木;;改進的Re-FCBF算法在入侵檢測中的應用[J];計算機工程與設計;2016年11期

5 楊文元;;基于最大相關最小冗余的多標記特征選擇[J];數(shù)碼設計;2016年02期

6 高國龍;杜華強;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;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;;改進的ReliefF算法在入侵檢測中的應用[J];激光雜志;2016年06期

9 張楊;陳真誠;朱健銘;徐彪;;一種改進的能量代謝守恒法無創(chuàng)檢測血糖算法[J];傳感技術學報;2016年06期

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

相關碩士學位論文 前8條

1 單禹皓;基于呼吸信號的人類應激狀態(tài)實時遙測[D];西南大學;2016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 雷沛;基于多生理信號的焦慮情緒識別方法研究[D];上海交通大學;2014年

4 顏紅博;基于多生理信息融合的情緒識別方法[D];山東大學;2014年

5 莊曉旭;腦電、眼動技術融合的情感測量方法研究[D];東北大學;2013年

6 李振陽;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;2013年

7 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

8 任婕;基于網(wǎng)購消費者情感因素的風險管理研究[D];復旦大學;2012年

【二級參考文獻】

相關期刊論文 前10條

1 朱琳;朱參世;;滑動窗口數(shù)據(jù)流聚類算法在IDS中的應用[J];計算機工程與應用;2014年01期

2 楊杰明;劉元寧;曲朝陽;劉志穎;;文本分類中基于綜合度量的特征選擇方法[J];吉林大學學報(理學版);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];計算機工程與應用;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];計算機學報;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];計算機應用;2011年03期

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

7 彭宇;劉大同;彭喜元;;故障預測與健康管理技術綜述[J];電子測量與儀器學報;2010年01期

8 馮少榮;肖文俊;;基于樣本選取的決策樹改進算法[J];西南交通大學學報;2009年05期

9 艾紅;周東華;;動態(tài)系統(tǒng)的故障預測方法[J];華中科技大學學報(自然科學版);2009年S1期

10 韓國泰;;航空電子的故障預測與健康管理技術[J];航空電子技術;2009年01期

【相似文獻】

相關期刊論文 前10條

1 王慶人;樹分類器的漸近最優(yōu)訓練算法[J];機器人;1987年04期

2 常曉輝;穆志純;張坤;;一種新的貝葉斯樹分類器及其應用[J];計算機應用與軟件;2008年05期

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

4 葉臻,吳保國,謝銘培;工件識別中決策樹分類器的設計[J];計算機工程與應用;1999年04期

5 李科;王潤生;王程;;一種用于飛機型號識別的樹分類器方法[J];計算機工程與科學;2006年11期

6 項婧;任R，

本文編號：2048318