針對(duì)當(dāng)前情緒識(shí)別研究中特征維數(shù)多、識(shí)別率不高的問(wèn)題,提出了基于多生理信號(hào)（心電、肌電、呼吸、皮膚電）融合及FCA-ReliefF特征選擇的情緒識(shí)別方法;通過(guò)將從時(shí)域和頻域兩個(gè)維度提取的生理信號(hào)特征進(jìn)行融合,作為分類(lèi)器的輸入進(jìn)行情緒分類(lèi);為了降低特征維度,首先進(jìn)行特征相關(guān)性分析（FCA）刪除相關(guān)性較大的特征;再通過(guò)ReliefF剔除分類(lèi)貢獻(xiàn)弱的特征,達(dá)到降低特征維度的目的;在公開(kāi)的數(shù)據(jù)集上進(jìn)行驗(yàn)證,并與相關(guān)研究進(jìn)行對(duì)比;結(jié)果表明,提出的方法在特征維度及識(shí)別率兩個(gè)方面均有優(yōu)勢(shì);提出的FCA-ReliefF降維策略有效地將特征從108維減少到60維,并且將識(shí)別精度提高到98.40%,驗(yàn)證了方法的有效性。 

【文章來(lái)源】：計(jì)算機(jī)測(cè)量與控制. 2020,28(02)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

情緒識(shí)別算法流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于SAE和LSTM RNN的多模態(tài)生理信號(hào)融合和情感識(shí)別研究[J]. 李幼軍,黃佳進(jìn),王海淵,鐘寧.  通信學(xué)報(bào). 2017(12)
[2]基于J48決策樹(shù)分類(lèi)器的情緒識(shí)別與結(jié)果分析[J]. 蔣小梅,張俊然,陳富琴,黃江濤.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(03)
[3]基于生理信號(hào)的情感識(shí)別技術(shù)綜述[J]. 陳月芬,崔躍利,王三秀.  系統(tǒng)仿真技術(shù). 2017(01)
[4]一種過(guò)濾式多標(biāo)簽特征選擇算法[J]. 胡學(xué)鋼,許堯,李培培,張玉紅.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2015(04)
[5]基于生理信號(hào)的情緒識(shí)別研究進(jìn)展[J]. 張迪,萬(wàn)柏坤,明東.  生物醫(yī)學(xué)工程學(xué)雜志. 2015(01)
[6]基于改進(jìn)功率譜熵的抑郁癥腦電信號(hào)活躍性研究[J]. 王凱明,鐘寧,周海燕.  物理學(xué)報(bào). 2014(17)
[7]基于多標(biāo)簽ReliefF的特征選擇算法[J]. 黃莉莉,湯進(jìn),孫登第,羅斌.  計(jì)算機(jī)應(yīng)用. 2012(10)
[8]改進(jìn)的蟻群系統(tǒng)在心電信號(hào)情感識(shí)別中的應(yīng)用[J]. 馬長(zhǎng)偉,劉光遠(yuǎn),魯舜.  計(jì)算機(jī)工程與應(yīng)用. 2010(31)

碩士論文
[1]情感識(shí)別脈搏信號(hào)特征分類(lèi)研究[D]. 杜昭慧.吉林大學(xué) 2017
[2]基于皮膚電信號(hào)的情感識(shí)別與調(diào)節(jié)研究[D]. 劉峰.西南大學(xué) 2015
[3]肌電信號(hào)在情感狀態(tài)識(shí)別中的研究[D]. 程穎.西南大學(xué) 2011
[4]基于心電信號(hào)的情感識(shí)別研究[D]. 徐亞.西南大學(xué) 2010



本文編號(hào)：2976260