【摘要】：在日常生活中,我們經(jīng)常會產(chǎn)生內(nèi)疚、氣憤、焦慮、傷心、恐懼、不滿等不良情緒,心理學(xué)家將這些不良情緒統(tǒng)稱為負(fù)性情緒。在負(fù)性情緒中,恐懼是最易出現(xiàn)的。當(dāng)一個人情緒調(diào)節(jié)失調(diào)時,尤其對恐懼情緒調(diào)節(jié)失調(diào)時會誘發(fā)多種心理疾病,如過度恐慌、恐懼癥甚至于抑郁等等。故自上世紀(jì)八十年代G.Stanley.Hall等人對恐懼情緒進行研究之后,其已成為人類學(xué)、心理學(xué)、生物學(xué)、教育學(xué)等眾多領(lǐng)域關(guān)注的焦點。眾所周之,視頻是一種動態(tài)的、多通道的刺激材料,不僅能夠誘發(fā)人們的某種情感,同時還能夠調(diào)節(jié)情感。然而,縱覽文獻發(fā)現(xiàn),國內(nèi)外很少有人以生理信號為基礎(chǔ)來分析愉悅視頻對負(fù)性情感的調(diào)節(jié)。生理信號作為情感分析的重要媒質(zhì),已被論證不僅具有客觀真實性、不易受主體的人為操縱等優(yōu)點,而且能夠事實的反映人的情感。故基于上述理由,本文提出了基于心電信號來分析愉悅視頻對恐懼情緒的調(diào)節(jié)作用。具體內(nèi)容和研究工作如下:(1)首先選取有效的情感素材,素材包括高興、恐懼兩種情感視頻以及中性低喚醒度的圖片,而后對已選取和編輯的有效情感素材,設(shè)計了科學(xué)、合理的評定方案,最后對已評定打分的情感素材在愉悅度、喚醒度兩個維度上做獨立樣本T假設(shè)檢驗分析。(2)在分析愉悅視頻對負(fù)性情感的研究中,采用了先誘發(fā)而后調(diào)節(jié)的實驗方案,即先通過恐懼視頻誘發(fā)被試主體的情緒,然后利用愉悅的視頻對實驗組被試進行正性調(diào)節(jié),而對照組的被試則不做任何處理(在安靜環(huán)境下靜坐進行自我恢復(fù))。實驗過程中,利用MP150同時采集了基線、喚起、調(diào)節(jié)下的心電數(shù)據(jù),建立起情感數(shù)據(jù)庫。(3)在對生理信號進行特征提取之前,利用離散小波變換對心電信號進行去噪處理。對降噪后的心電信號利用DB7小波基函數(shù)進行7層分解,獲取每一層的高頻系數(shù)和低頻系數(shù),隨后求得前四層高、低頻系數(shù)的均值、方差、能量共計24個線性特征,而非線性特征我們則是提取了一階近似熵、二階近似熵、最大李雅譜諾夫指數(shù)、一階LZ復(fù)雜度,二階LZ復(fù)雜度、嵌入維、時延、遞歸率、6階加權(quán)Krawtchouk矩等14個特征。(4)利用Relief特征選擇算法,計算出平靜VS高興、平靜VS恐懼、高興VS恐懼情感狀態(tài)下各個特征的分類識別權(quán)重值,并對特征按照權(quán)重值的大小進行排序,篩選出各個情感分類下的最優(yōu)特征組合。最后,把高興VS恐懼情感分類下的最優(yōu)特征組合與SVM分類器相結(jié)合,得到了平均識別率為84.7%的二分類情感判決模型,為負(fù)性情感調(diào)節(jié)分析建立了基礎(chǔ)。(5)在宏觀上,對被試的自我評分進行獨立樣本雙邊T假設(shè)檢驗,可以得出被試負(fù)性情緒在整個調(diào)節(jié)階段隨著時間流逝而逐漸減弱,而愉悅視頻的調(diào)節(jié)要快于被試獨自靜坐自然恢復(fù)。在微觀上,對調(diào)節(jié)階段的心電信號,按照步進1s依次提取時間窗n=15s內(nèi)的最優(yōu)特征組合,送入已建立的情感識別模型進行概率判決,并繪制出實時的概率曲線圖,結(jié)果表明:在愉悅視頻的調(diào)解下,被試情感狀態(tài)被判定為恐懼的平均時間為175.5s;在自然恢復(fù)條件下,被試情感狀態(tài)被判定為恐懼的平均時間為296.5s。在特征上,分析了高興VS恐懼情感分類下最優(yōu)特征組合的每個特征在愉悅視頻調(diào)節(jié)和自然恢復(fù)中隨時間的變化規(guī)律:1)在自然恢復(fù)和愉悅視頻調(diào)節(jié)下,4個特征在變化趨勢上均保持一致。2)在愉悅視頻調(diào)節(jié)下,一階近似熵和最大Lyapunov指數(shù)整體變化要早于自然恢復(fù)調(diào)節(jié);在自然恢復(fù)調(diào)節(jié)下,香農(nóng)熵和遞歸率整體變化要早于愉悅視頻調(diào)節(jié)。
[Abstract]:......
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：B842.6;TN911.7

【參考文獻】

相關(guān)期刊論文 前6條

1 張韌仁;周成林;;一次性身體活動期間情緒變化及其短期情緒效益[J];體育科學(xué);2013年01期

2 鄭璞;劉聰慧;俞國良;;情緒誘發(fā)方法述評[J];心理科學(xué)進展;2012年01期

3 張靜;陳巍;;具身化的情緒理解研究:James-Lange錯了嗎?[J];心理研究;2010年01期

4 張雨;任成龍;;確定重構(gòu)相空間維數(shù)的方法[J];國防科技大學(xué)學(xué)報;2005年06期

5 陳鏗;韓伯棠;;混沌時間序列分析中的相空間重構(gòu)技術(shù)綜述[J];計算機科學(xué);2005年04期

6 楊福生,廖旺才;近似熵:一種適用于短數(shù)據(jù)的復(fù)雜性度量[J];中國醫(yī)療器械雜志;1997年05期

相關(guān)博士學(xué)位論文 前1條

1 齊薪蕊;抑郁癥患者前額葉中情感調(diào)節(jié)相關(guān)信號通路紊亂的分子基礎(chǔ)[D];中國科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前5條

1 何娟;用心電信號分析音樂對負(fù)性情感的調(diào)節(jié)[D];西南大學(xué);2016年

2 杜仰澤;人機交互環(huán)境下基于皮膚電信號的情感實時識別與調(diào)節(jié)方法研究[D];西南大學(xué);2016年

3 陸悅;音樂因素、人格及情境對音樂情緒的影響[D];西南大學(xué);2014年

4 楊敏;非線性特征用于心電信號的情感識別[D];西南大學(xué);2013年

5 龍正吉;小波變換提取ECG信號情感特征的研究[D];西南大學(xué);2010年

，

本文編號：2319303