隨著情感計算與情感機器人技術的發(fā)展,情感智能逐漸融入到人機交互當中。機器人能夠通過人的語音、面部表情、手勢、生理信號等獲得人的情感狀態(tài),其中,語音、面部表情、手勢等易受到人的主觀因素影響,因此它們不能真實地反映出人的情感,而腦電信號記錄的是大腦皮層神經(jīng)電位變化,能夠真實地反映人的情感狀態(tài)。本文以腦電信號為研究對象,圍繞腦電信號預處理、特征提取、特征選擇和情感分類展開研究,提出了基于多尺度分析和集成樹模型的腦電情感分類方法。首先,針對腦電信號的非線性和不穩(wěn)定等問題,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)驗模態(tài)分解的腦電信號特征提取和基于變分模態(tài)分解的腦電信號特征提取,將腦電信號分解成為多個尺度上的多個分量,并提取每一個分量的特征;為了分析特征子集中的特征個數(shù)對情感識別結果的影響,提出一種基于序列反向選擇的特征選擇方法。實驗結果表明,基于多尺度的腦電信號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別率。然后,針對不同人之間差異性所導致的腦電信號特征集分布復雜的問題,提出了基于貝葉斯優(yōu)化的集成樹模型腦電情感識別方法。采用多個決策樹組合的集成樹模型Xgbo...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
作者簡歷
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 情感描述方法
        1.2.2 腦電信號情感特征提取方法
        1.2.3 腦電信號特征選擇與情感分類方法
    1.3 主要研究內(nèi)容和方法
    1.4 論文構成
第二章 基于多尺度分析的腦電信號特征提取
    2.1 腦電電極選擇與信號預處理
    2.2 腦電信號多尺度特征提取方法
        2.2.1 基于經(jīng)驗模態(tài)分解的腦電信號特征提取
        2.2.2 基于變分模態(tài)分解的腦電信號特征提取
        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 仿真實驗
        2.4.1 實驗設置
        2.4.2 實驗結果與分析
    2.5 本章小結
第三章 基于貝葉斯優(yōu)化集成樹模型的腦電情感分類方法
    3.1 基于線性判別分析的腦電特征降維方法
    3.2 基于Xgboost的腦電情感分類方法
    3.3 基于貝葉斯的參數(shù)優(yōu)化方法
    3.4 仿真實驗
        3.4.1 實驗評價指標
        3.4.2 實驗結果與分析
    3.5 本章小結
第四章 腦電情感識別系統(tǒng)設計與實現(xiàn)
    4.1 系統(tǒng)整體框架設計
        4.1.1 系統(tǒng)的整體結構設計
        4.1.2 系統(tǒng)功能分析
    4.2 系統(tǒng)結構
        4.2.1 系統(tǒng)硬件結構
        4.2.2 系統(tǒng)軟件結構
    4.3 系統(tǒng)運行效果
    4.4 本章小結
第五章 結論與展望
    5.1 結論
    5.2 展望
致謝
參考文獻



本文編號：3740589