本文關(guān)鍵詞：基于多生理信息融合的情緒識(shí)別方法

  更多相關(guān)文章： 多生理信息 情緒識(shí)別 小波變換 主成分分析 支持向量機(jī)

【摘要】：隨著人們生活節(jié)奏的加快和生活壓力的增加,心理健康狀態(tài)受到了大家越來(lái)越多的關(guān)注。盡早地診斷和治療心理疾病是保持心理健康的必要條件,而實(shí)現(xiàn)對(duì)人體情緒狀態(tài)的準(zhǔn)確把握,是診斷和治療心理疾病的基礎(chǔ)。因此情緒識(shí)別是進(jìn)行心理健康研究的首要問(wèn)題,同時(shí)也是研究的重點(diǎn)和難點(diǎn)。 人們的情緒狀態(tài)有多種表現(xiàn)方式,如語(yǔ)言、表情、動(dòng)作以及各種生理信號(hào)等。其中,生理信號(hào)作為人體生理和心理活動(dòng)的客觀表達(dá),不會(huì)受到文化背景、生活習(xí)慣等因素的干擾,也無(wú)法被刻意地掩飾,因而成為了一種相對(duì)準(zhǔn)確的情緒狀態(tài)判據(jù)。同時(shí),生命系統(tǒng)具有多變量特征,情緒變化與各種生理參數(shù)之間存在典型的一因多果和一果多因關(guān)系,依靠單一的生理參數(shù)及其特征難以準(zhǔn)確反映受試主體的情緒變化。因此,基于多生理信息的特征融合是實(shí)現(xiàn)情緒準(zhǔn)確識(shí)別的有效方法。 本論文對(duì)基于多生理信息融合的情緒識(shí)別方法進(jìn)行深入研究,以心電、脈搏和呼吸三種生理信號(hào)作為研究對(duì)象,圍繞生理特征的選擇和分類器的設(shè)計(jì)展開(kāi)一系列工作。并且,本文在詳細(xì)探討了心電、脈搏和呼吸三種信號(hào)的產(chǎn)生機(jī)制、采集方法、信號(hào)預(yù)處理與特征提取的基礎(chǔ)上,提出一種基于主成分分析法與支持向量機(jī)相結(jié)合的情緒識(shí)別方法。論文的主要工作包括： 1)搭建情緒激發(fā)實(shí)驗(yàn)環(huán)境,進(jìn)行合理的情緒激發(fā)實(shí)驗(yàn),同時(shí)記錄被試者的心電、脈搏、呼吸信號(hào)和視頻信息,再根據(jù)被試填寫(xiě)的問(wèn)卷調(diào)查表和視頻信息確定有效數(shù)據(jù)段,為情緒的判別提供有效地實(shí)驗(yàn)數(shù)據(jù)支持。 2)采集對(duì)應(yīng)情緒中的心電、脈搏和呼吸三種信號(hào),對(duì)采集到的三種生理信號(hào)運(yùn)用巴特沃斯濾波器進(jìn)行預(yù)處理,應(yīng)用小波變換方法對(duì)信號(hào)進(jìn)行多級(jí)分層,由底層到高層識(shí)別出極值點(diǎn)和奇異點(diǎn),并由此識(shí)別出心電、脈搏和呼吸三種信號(hào)的特征點(diǎn),進(jìn)而提取出信號(hào)中所包含的各種生理特征。 3)提出了主成分分析法與支持向量機(jī)相結(jié)合的分類方法。應(yīng)用主成分分析法對(duì)提取的原生理特征進(jìn)行分析,得出六種情緒下原生理特征在主成分中的權(quán)重排序,結(jié)合支持向量機(jī)算法,以情緒識(shí)別率為評(píng)價(jià)標(biāo)準(zhǔn),得出最佳特征子集和最佳識(shí)別率。 4)通過(guò)實(shí)驗(yàn)數(shù)據(jù)對(duì)算法的有效性進(jìn)行驗(yàn)證,將傳統(tǒng)未使用特征選擇的情緒識(shí)別算法、離散二進(jìn)制粒子群算法與本文所提出的基于主成分分析與支持向量機(jī)相結(jié)合的分類算法進(jìn)行對(duì)比,證明了該算法能夠有效地應(yīng)用于多生理信息融合的情緒識(shí)別,并且具有識(shí)別率高、運(yùn)行時(shí)間短的特點(diǎn)。同時(shí),對(duì)比分析了男女在相同情感體驗(yàn)中同種生理特征—心率的變化情況,為以后的情緒識(shí)別中被試的性別差異性研究提供科學(xué)依據(jù),并對(duì)以后的情感分析提供理論支持。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：R318.04

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 譚小剛;多抽樣率頻率抽樣FIR數(shù)字濾波器設(shè)計(jì)[J];電子科技大學(xué)學(xué)報(bào);2002年05期

2 韓小孩;張耀輝;孫福軍;王少華;;基于主成分分析的指標(biāo)權(quán)重確定方法[J];四川兵工學(xué)報(bào);2012年10期

3 趙曉群;張潔;;巴特沃斯低通濾波器的實(shí)現(xiàn)方法研究[J];大連民族學(xué)院學(xué)報(bào);2013年01期

4 程波;劉光遠(yuǎn);;基于小波變換與神經(jīng)網(wǎng)絡(luò)的表面肌電信號(hào)的情感識(shí)別[J];計(jì)算機(jī)應(yīng)用;2008年02期

5 黃仁芝;劉云;;遺傳算法在情緒識(shí)別中的應(yīng)用研究[J];科協(xié)論壇(下半月);2012年01期

6 張俊才;張靜;;使用粒子群算法進(jìn)行特征選擇及對(duì)支持向量機(jī)參數(shù)的優(yōu)化[J];微電子學(xué)與計(jì)算機(jī);2012年07期

7 吳建軍;情緒變化對(duì)生理的影響[J];現(xiàn)代養(yǎng)生;2001年06期

8 余祖龍;周旭欣;艾信友;王玉;周波;;基于離散平穩(wěn)小波變換的心電信號(hào)去噪方法[J];科技創(chuàng)新導(dǎo)報(bào);2008年04期

，

本文編號(hào)：1180126