隨著情感計(jì)算與情感機(jī)器人技術(shù)的發(fā)展,情感智能逐漸融入到人機(jī)交互當(dāng)中。機(jī)器人能夠通過(guò)人的語(yǔ)音、面部表情、手勢(shì)、生理信號(hào)等獲得人的情感狀態(tài),其中,語(yǔ)音、面部表情、手勢(shì)等易受到人的主觀(guān)因素影響,因此它們不能真實(shí)地反映出人的情感,而腦電信號(hào)記錄的是大腦皮層神經(jīng)電位變化,能夠真實(shí)地反映人的情感狀態(tài)。本文以腦電信號(hào)為研究對(duì)象,圍繞腦電信號(hào)預(yù)處理、特征提取、特征選擇和情感分類(lèi)展開(kāi)研究,提出了基于多尺度分析和集成樹(shù)模型的腦電情感分類(lèi)方法。首先,針對(duì)腦電信號(hào)的非線(xiàn)性和不穩(wěn)定等問(wèn)題,提出了基于多尺度分析的腦電特征提取方法,包括基于經(jīng)驗(yàn)?zāi)B(tài)分解的腦電信號(hào)特征提取和基于變分模態(tài)分解的腦電信號(hào)特征提取,將腦電信號(hào)分解成為多個(gè)尺度上的多個(gè)分量,并提取每一個(gè)分量的特征;為了分析特征子集中的特征個(gè)數(shù)對(duì)情感識(shí)別結(jié)果的影響,提出一種基于序列反向選擇的特征選擇方法。實(shí)驗(yàn)結(jié)果表明,基于多尺度的腦電信號(hào)特征提取方法相比于基于單一尺度的腦電特征提取方法,能夠獲得更高的情感識(shí)別率。然后,針對(duì)不同人之間差異性所導(dǎo)致的腦電信號(hào)特征集分布復(fù)雜的問(wèn)題,提出了基于貝葉斯優(yōu)化的集成樹(shù)模型腦電情感識(shí)別方法。采用多個(gè)決策樹(shù)組合的集成樹(shù)模型Xgbo...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
作者簡(jiǎn)歷
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 情感描述方法
        1.2.2 腦電信號(hào)情感特征提取方法
        1.2.3 腦電信號(hào)特征選擇與情感分類(lèi)方法
    1.3 主要研究?jī)?nèi)容和方法
    1.4 論文構(gòu)成
第二章 基于多尺度分析的腦電信號(hào)特征提取
    2.1 腦電電極選擇與信號(hào)預(yù)處理
    2.2 腦電信號(hào)多尺度特征提取方法
        2.2.1 基于經(jīng)驗(yàn)?zāi)B(tài)分解的腦電信號(hào)特征提取
        2.2.2 基于變分模態(tài)分解的腦電信號(hào)特征提取
        2.2.3 多尺度分量特征提取
    2.3 基于序列反向選擇的特征選擇方法
    2.4 仿真實(shí)驗(yàn)
        2.4.1 實(shí)驗(yàn)設(shè)置
        2.4.2 實(shí)驗(yàn)結(jié)果與分析
    2.5 本章小結(jié)
第三章 基于貝葉斯優(yōu)化集成樹(shù)模型的腦電情感分類(lèi)方法
    3.1 基于線(xiàn)性判別分析的腦電特征降維方法
    3.2 基于Xgboost的腦電情感分類(lèi)方法
    3.3 基于貝葉斯的參數(shù)優(yōu)化方法
    3.4 仿真實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        3.4.2 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 腦電情感識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 系統(tǒng)整體框架設(shè)計(jì)
        4.1.1 系統(tǒng)的整體結(jié)構(gòu)設(shè)計(jì)
        4.1.2 系統(tǒng)功能分析
    4.2 系統(tǒng)結(jié)構(gòu)
        4.2.1 系統(tǒng)硬件結(jié)構(gòu)
        4.2.2 系統(tǒng)軟件結(jié)構(gòu)
    4.3 系統(tǒng)運(yùn)行效果
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)



本文編號(hào)：3740589