本文關(guān)鍵詞：人機(jī)交互環(huán)境下基于皮膚電信號的情感實(shí)時(shí)識別與調(diào)節(jié)方法研究

  更多相關(guān)文章： 情感識別 情感調(diào)節(jié) K近鄰 調(diào)節(jié)模型 人機(jī)交互

【摘要】：情感計(jì)算作為一個(gè)前沿的研究課題,得到了國內(nèi)外學(xué)者的廣泛重視。由于生理信號的客觀真實(shí)性,基于生理信號的情感識別成為了情感計(jì)算領(lǐng)域的重要研究方向。同時(shí),隨著人機(jī)交互友好性需求的不斷提升,情感調(diào)節(jié)的重要性也與日俱增。本文主要針對皮膚電的情感識別提出了一種改進(jìn)的K近鄰實(shí)時(shí)識別方法,在識別效果和識別效率上有顯著的提升;在情感調(diào)節(jié)方面,參考Gross和其他學(xué)者的情感調(diào)節(jié)模型,提出了人機(jī)交互環(huán)境下可行性情感調(diào)節(jié)模型。并根據(jù)研究的理論成果建立了一款可以改善人機(jī)交互和諧性的開放式人機(jī)情感交互助手。具體工作如下:(1)制定皮膚電信號采集實(shí)驗(yàn)方案,建立皮膚電信號的情感樣本庫。通過不同的情感誘發(fā)視頻片段誘發(fā)被試的喜怒哀懼四種情感,并在誘發(fā)過程中采集皮膚電信號。這四種情感狀態(tài)下的皮膚電信號與被試平靜狀態(tài)下的皮膚電信號一起組成情感樣本庫。(2)對皮膚電信號預(yù)處理與特征提取。這部分的工作主要包括信號截取、平滑去噪、特征提取、特征歸一化、特征選擇。信號截取是從一段長度約為5分鐘的皮膚電信號中截取長度為15秒的信號,目的是找出最能代表被試處于誘發(fā)情緒時(shí)的信號片段。平滑去噪是利用小波去噪去除噪聲頻段的信號得到最真實(shí)的生理信號。在特征提取環(huán)節(jié),研究提取了包括均值、最大值、一階差分最小值和頻域中值在內(nèi)的30個(gè)統(tǒng)計(jì)特征。提取的特征值在不同的數(shù)量級范圍,特別是時(shí)域特征與頻域特征,所以對特征值進(jìn)行歸一化操作,使得每個(gè)特征在分類的時(shí)候都有平等的投票權(quán)利。特征選擇是利用Relief特征選擇算法剔除了6個(gè)無效特征。(3)提出了一個(gè)改進(jìn)的K近鄰實(shí)時(shí)識別方法。K近鄰算法的主要耗時(shí)用在尋找測試樣本最近的K個(gè)訓(xùn)練樣本。所以利用K近鄰快速搜索算法改變原有的尋找訓(xùn)練樣本方法。同時(shí),利用實(shí)時(shí)識別的特點(diǎn),采用一種半監(jiān)督的K近鄰識別方法,讓當(dāng)前測試樣本時(shí)間序列上的前C個(gè)樣本也參與識別的過程。研究驗(yàn)證了當(dāng)C和K取不同值時(shí)的識別率和運(yùn)行時(shí)間,與原始的K近鄰方法進(jìn)行了對比,證明了改進(jìn)方案在識別率和運(yùn)行時(shí)間上的有效的。(4)建立人機(jī)交互環(huán)境下可行性情感調(diào)節(jié)模型。Gross的情緒調(diào)節(jié)過程模型可以有效的反應(yīng)情感產(chǎn)生各個(gè)階段的原理以及調(diào)節(jié)方法,但是不適應(yīng)于人機(jī)交互環(huán)境下。本文參考Gross的情緒調(diào)節(jié)過程模型和Bonanno的情緒自我調(diào)節(jié)序列模型建立了人機(jī)交互環(huán)境下可行性情感調(diào)節(jié)模型。(5)設(shè)計(jì)并實(shí)現(xiàn)了開放式人機(jī)情感交互助手。用戶在使用這款軟件時(shí),可以利用外接設(shè)備實(shí)時(shí)采集皮膚電信號,通過后臺算法的運(yùn)算實(shí)時(shí)呈現(xiàn)情緒識別結(jié)果。當(dāng)檢測到用戶長時(shí)間處于負(fù)性情感時(shí),軟件會根據(jù)用戶的特點(diǎn)定制化的推送包括視頻、音樂、游戲和文字在內(nèi)的不同情感調(diào)節(jié)方案。使得人機(jī)交互更加和諧、友好。
【關(guān)鍵詞】：情感識別 情感調(diào)節(jié) K近鄰 調(diào)節(jié)模型 人機(jī)交互
【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】：2016
【分類號】：TN911.7;R33
【目錄】：

• 摘要5-7
• Abstract7-9
• 第一章 緒論9-14
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀和不足10-12
• 1.3 論文研究內(nèi)容12
• 1.4 論文的創(chuàng)新點(diǎn)12-13
• 1.5 論文的整體結(jié)構(gòu)13-14
• 第二章 皮膚電信號采集及特征提取14-25
• 2.1 皮膚電信號的簡介14-15
• 2.2 皮膚電信號的采集方案15-17
• 2.2.1 實(shí)驗(yàn)對象選取15
• 2.2.2 情感誘發(fā)素材選取15-16
• 2.2.3 實(shí)驗(yàn)環(huán)境16-17
• 2.2.4 實(shí)驗(yàn)流程17
• 2.3 GSR信號處理流程17-23
• 2.3.1 GSR信號截取18
• 2.3.2 GSR信號去噪18-20
• 2.3.3 GSR信號特征提取20-22
• 2.3.4 特征值歸一化22
• 2.3.5 特征選擇22-23
• 2.4 文章小結(jié)23-25
• 第三章 情感實(shí)時(shí)識別算法的建立與驗(yàn)證25-38
• 3.1 K近鄰算法用于情感實(shí)時(shí)識別25-26
• 3.1.1 K近鄰算法介紹25
• 3.1.2 K近鄰算法的優(yōu)劣25-26
• 3.2 改進(jìn)的K近鄰算法用于情感的實(shí)時(shí)識別26-32
• 3.2.1 K近鄰快速搜索算法26-28
• 3.2.2 半監(jiān)督的K近鄰分類算法28-31
• 3.2.3 基于快速搜索算法的半監(jiān)督K近鄰分類方法31-32
• 3.3 算法改進(jìn)前后結(jié)果對比32-37
• 3.3.1 分類準(zhǔn)確性對比33-36
• 3.3.2 算法運(yùn)行時(shí)間對比36-37
• 3.4 本章小結(jié)37-38
• 第四章 情感調(diào)節(jié)模型建立38-46
• 4.1 積極情緒與消極情緒38-39
• 4.2 情感調(diào)節(jié)的定義及主要模型39-42
• 4.2.1 情感調(diào)節(jié)的定義39-40
• 4.2.2 Bonanno的情緒自我調(diào)節(jié)序列模型40
• 4.2.3 Gross的情緒調(diào)節(jié)過程模型40-42
• 4.3 人機(jī)交互環(huán)境下可行性情感調(diào)節(jié)模型42-45
• 4.4 本章小結(jié)45-46
• 第五章 開放式人機(jī)情感交互助手的設(shè)計(jì)與實(shí)現(xiàn)46-54
• 5.1 開放式人機(jī)情感交互助手的設(shè)計(jì)背景46-47
• 5.2 開放式人機(jī)情感交互助手簡介47-52
• 5.2.1 系統(tǒng)主要功能47-48
• 5.2.2 具體操作流程48-52
• 5.3 本章小結(jié)52-54
• 第六章 總結(jié)與展望54-56
• 6.1 總結(jié)54
• 6.2 展望54-56
• 參考文獻(xiàn)56-60
• 致謝60-61
• 攻讀碩士期間研究成果及發(fā)表的學(xué)術(shù)論文61-62
• 攻讀碩士期間參與的研究項(xiàng)目62

【相似文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

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

，

本文編號：917987