隨著人工智能、人機(jī)交互、模式識(shí)別等技術(shù)的快速發(fā)展,情緒識(shí)別已經(jīng)成為了該領(lǐng)域研究的一個(gè)熱點(diǎn)。傳統(tǒng)的情緒識(shí)別研究多采用語(yǔ)音特征、面部表情圖像特征進(jìn)行識(shí)別,但這些情緒的外在表現(xiàn)特征極易受到人體主觀的控制,導(dǎo)致識(shí)別的不準(zhǔn)確。而生理信息與人體大腦皮層及神經(jīng)中樞關(guān)系密切,具有客觀真實(shí)性,因此成為眾多學(xué)者的熱門研究方向。本文主要針對(duì)心電、皮電、呼吸三種生理信息進(jìn)行情緒識(shí)別研究,建立了一個(gè)可視化的人機(jī)交互情緒識(shí)別平臺(tái)。主要工作如下:（1）進(jìn)行了基于混沌理論的情緒識(shí)別方法研究。分別對(duì)心電、皮電、呼吸三種生理信息數(shù)據(jù)進(jìn)行四種混沌特征參數(shù)提取,包括復(fù)雜度、盒子維、近似熵、信息熵。構(gòu)建三種單一生理信息數(shù)據(jù)和融合多生理信息數(shù)據(jù)的特征參數(shù)數(shù)據(jù)集,采用C4.5決策樹(shù)算法分別進(jìn)行Joy、Anger、Sadness三種情緒的識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明,采用該方法進(jìn)行情緒識(shí)別是可行的,且多生理信息情緒識(shí)別比單一生理信息有更高的識(shí)別率。（2）采用C#編程語(yǔ)言,Visual Studio 2017集成開(kāi)發(fā)環(huán)境（IDE）、SQL Server2014數(shù)據(jù)庫(kù)等工具,建立了一個(gè)基于多生理信息的情緒識(shí)別平臺(tái)。該平臺(tái)可以對(duì)采集到的ECG、... 

【文章來(lái)源】：長(zhǎng)春大學(xué)吉林省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

決策樹(shù)模型示意圖

數(shù)據(jù)處理界面

經(jīng)過(guò)數(shù)據(jù)處理后的Weka數(shù)據(jù)表格

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)的酗酒腦電信號(hào)分類研究[J]. 丁尚文,王純賢.  自動(dòng)化儀表. 2019(11)
[2]基于神經(jīng)網(wǎng)絡(luò)模型的文本分類研究綜述[J]. 孫嘉琪,王曉曄,周曉雯.  天津理工大學(xué)學(xué)報(bào). 2019(05)
[3]SQL Server數(shù)據(jù)庫(kù)中關(guān)聯(lián)數(shù)據(jù)表的設(shè)計(jì)方法探討[J]. 翁敏峰,萬(wàn)城睿.  電腦知識(shí)與技術(shù). 2019(28)
[4]基于C#的一卡通業(yè)務(wù)管理系統(tǒng)分析[J]. 李超.  計(jì)算機(jī)產(chǎn)品與流通. 2019(09)
[5]餐飲酒店信息管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 丁蕾錠,蘭海翔,盧涵宇,祁小軍,薛安琪.  電腦知識(shí)與技術(shù). 2019(25)
[6]基于Matlab的分形理論在醫(yī)學(xué)中的應(yīng)用研究[J]. 俞凱君,李春.  軟件. 2019(08)
[7]情感識(shí)別算法應(yīng)用現(xiàn)狀及發(fā)展趨勢(shì)研究[J]. 金磊,高梓瀚,馮琛.  電子世界. 2019(15)
[8]人工智能情緒識(shí)別應(yīng)用研究[J]. 劉大誠(chéng).  中國(guó)高新科技. 2019(13)
[9]非線性動(dòng)力學(xué)分析方法在神經(jīng)康復(fù)領(lǐng)域中的應(yīng)用進(jìn)展[J]. 翟曉雪,張皓.  中國(guó)康復(fù)醫(yī)學(xué)雜志. 2019(04)
[10]機(jī)器學(xué)習(xí)分類問(wèn)題及算法研究綜述[J]. 楊劍鋒,喬佩蕊,李永梅,王寧.  統(tǒng)計(jì)與決策. 2019(06)

博士論文
[1]基于本體的智能體情感識(shí)別與情感誘發(fā)研究[D]. 宿云.蘭州大學(xué) 2019
[2]生理信號(hào)驅(qū)動(dòng)的情緒識(shí)別及交互應(yīng)用研究[D]. 林文倩.浙江大學(xué) 2019
[3]網(wǎng)聯(lián)汽車信息安全問(wèn)題及CAN總線異常檢測(cè)技術(shù)研究[D]. 于赫.吉林大學(xué) 2016
[4]非線性鼾音信號(hào)時(shí)頻特征分析研究[D]. 張引紅.陜西師范大學(xué) 2014

碩士論文
[1]基于貝葉斯網(wǎng)絡(luò)的動(dòng)態(tài)數(shù)據(jù)流分類研究[D]. 范慧敏.西安理工大學(xué) 2019
[2]老年人十二導(dǎo)聯(lián)心電信號(hào)的非線性研究[D]. 焦得釗.陜西師范大學(xué) 2019
[3]基于多生理信號(hào)小波及深度特征分層融合的情緒識(shí)別研究[D]. 謝錦煙.華南理工大學(xué) 2019
[4]基于人體生理信號(hào)的情感識(shí)別研究[D]. 李才隆.南京郵電大學(xué) 2018
[5]基于多生理信號(hào)情感識(shí)別與預(yù)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 胡小三.南京郵電大學(xué) 2018
[6]基于WEKA平臺(tái)的山西省地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)研究[D]. 鮑小魯.太原理工大學(xué) 2018
[7]基于EEG的無(wú)人駕駛車輛乘坐人情緒感知技術(shù)研究[D]. 王鐸.哈爾濱工業(yè)大學(xué) 2018
[8]基于心電數(shù)據(jù)的情緒分析和社交分享系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 孫景洋.北京郵電大學(xué) 2018
[9]基于可穿戴設(shè)備的壓力情感識(shí)別及其在機(jī)器人服務(wù)認(rèn)知中的應(yīng)用[D]. 姜媛.山東大學(xué) 2018
[10]基于腦電時(shí)空頻多域特征的自動(dòng)情緒識(shí)別研究及系統(tǒng)實(shí)現(xiàn)[D]. 李振齊.華南理工大學(xué) 2018



本文編號(hào)：3078781