基于J48决策树分类器的情绪识别与结果分析

发布时间：2018-06-21 10:36

  本文选题：J + 决策树　； 参考：《计算机工程与设计》2017年03期

【摘要】：为准确有效地对情绪状态进行识别,对4种情绪状态(Joy、Anger、Sadness、Pleasure)下的多生理信号(心电、肌电、呼吸、皮电)进行预处理和特征提取,利用ReliefF算法进行特征选择,利用J48决策树分类器最终实现对4种情绪状态的识别。J48决策树分类器对4种情绪状态的平均识别率为96.74%,对结果和数据进行分析发现,RSP信号对情绪状态识别十分重要;不同生理信号组合对情绪状态的识别效果不同;Sadness和Pleasure的相互误识率相对较高;使用J48决策树进行分类时采用的特征数量与样本数量正相关。
[Abstract]:In order to identify the emotional state accurately and effectively, the multi-physiological signals (ECG, electromyography, respiration, skin electricity) under four kinds of emotional states (ECG, EMG, respiration, skin electricity) were pretreated and extracted, and the feature selection was carried out by using ReliefF algorithm. Finally, the J48 decision tree classifier is used to realize the recognition of four emotional states. The average recognition rate of J48 decision tree classifier for the four emotional states is 96.74. By analyzing the results and data, it is found that the RSP signal is very important to the recognition of emotional state. The recognition effect of different physiological signal combinations on emotional state is different. The mutual error rate of Sadness and Pleasure is relatively high, and the number of features used in J48 decision tree classification is positively correlated with the number of samples.
【作者单位】： 四川大学电气信息学院;广西师范学院计算机与信息工程学院;
【基金】：广西高校重点实验室科学基金项目(GXSCIIP201411) 广西自然科学基金重点项目(2014GXNSFDA118037) 四川省科技计划基金项目(2015HH0036)
【分类号】：TN911.7

【参考文献】

相关期刊论文 前4条

1 杨志伟;努尔布力;贾雪;胡亮;;基于ReliefF的入侵特征选择方法[J];吉林大学学报(理学版);2015年03期

2 贺方;聂春燕;;C5.0决策树算法在基于混沌特征的情绪识别中的应用[J];长春大学学报;2014年10期

3 陈绍炜;王聪;赵帅;;决策树算法在电路故障诊断中的应用[J];计算机工程与应用;2013年12期

4 黄莉莉;汤进;孙登第;罗斌;;基于多标签ReliefF的特征选择算法[J];计算机应用;2012年10期

相关硕士学位论文 前1条

1 王彬;基于呼吸信号的情感识别研究[D];西南大学;2010年

【共引文献】

相关期刊论文 前10条

1 蒋小梅;张俊然;陈富琴;黄江涛;;基于J48决策树分类器的情绪识别与结果分析[J];计算机工程与设计;2017年03期

2 薛章鹰;刘兴权;;结合ReliefF、GA和SVM的面向对象建筑物目标识别特征选择方法[J];测绘工程;2017年02期

3 阿里木·赛买提;哈力木拉提·买买提;艾尔肯·赛甫丁;吐尔根·依不拉因;;改进的ReliefF算法在哈萨克斯拉夫文识别中的应用[J];计算机工程与设计;2017年02期

4 沙丽瓦尔·阿里木;努尔布力;吾守尔·斯拉木;;改进的Re-FCBF算法在入侵检测中的应用[J];计算机工程与设计;2016年11期

5 杨文元;;基于最大相关最小冗余的多标记特征选择[J];数码设计;2016年02期

6 高国龙;杜华强;韩凝;徐小军;孙少波;李雪建;;基于特征优选的面向对象毛竹林分布信息提取[J];林业科学;2016年09期

7 菅小艳;韩素青;崔彩霞;;不平衡数据集上的Relief特征选择算法[J];数据采集与处理;2016年04期

8 黄春虎;努尔布力;;改进的ReliefF算法在入侵检测中的应用[J];激光杂志;2016年06期

9 张杨;陈真诚;朱健铭;徐彪;;一种改进的能量代谢守恒法无创检测血糖算法[J];传感技术学报;2016年06期

10 王勇;龙也;陶晓玲;韦毅;;基于多层MapReduce的混合网络流量分类特征选择方法[J];桂林电子科技大学学报;2016年02期

相关硕士学位论文 前8条

1 单禹皓;基于呼吸信号的人类应激状态实时遥测[D];西南大学;2016年

2 何成;基于多生理信号的情绪识别方法研究[D];浙江大学;2016年

3 雷沛;基于多生理信号的焦虑情绪识别方法研究[D];上海交通大学;2014年

4 颜红博;基于多生理信息融合的情绪识别方法[D];山东大学;2014年

5 庄晓旭;脑电、眼动技术融合的情感测量方法研究[D];东北大学;2013年

6 李振阳;虚拟中医正骨系统中经典手法特征分析的研究[D];山东中医药大学;2013年

7 刘月华;典型生理信号综合测量及情绪识别研究[D];上海交通大学;2011年

8 任婕;基于网购消费者情感因素的风险管理研究[D];复旦大学;2012年

【二级参考文献】

相关期刊论文 前10条

1 朱琳;朱参世;;滑动窗口数据流聚类算法在IDS中的应用[J];计算机工程与应用;2014年01期

2 杨杰明;刘元宁;曲朝阳;刘志颖;;文本分类中基于综合度量的特征选择方法[J];吉林大学学报(理学版);2013年05期

3 潘成贤;王俊丽;赵晓东;陆青;;立体轨道式码头传送系统建模与仿真[J];计算机工程与应用;2011年31期

4 钱宇华;梁吉业;王锋;;面向非完备决策表的正向近似特征选择加速算法[J];计算机学报;2011年03期

5 范文兵;王全全;雷天友;朱辉;;基于Q-relief的图像特征选择算法[J];计算机应用;2011年03期

6 赵建峰;朱晓春;汪木兰;卞磊;吴春英;;基于自适应遗传算法混合Flow-shop的调度与仿真[J];组合机床与自动化加工技术;2010年03期

7 彭宇;刘大同;彭喜元;;故障预测与健康管理技术综述[J];电子测量与仪器学报;2010年01期

8 冯少荣;肖文俊;;基于样本选取的决策树改进算法[J];西南交通大学学报;2009年05期

9 艾红;周东华;;动态系统的故障预测方法[J];华中科技大学学报(自然科学版);2009年S1期

10 韩国泰;;航空电子的故障预测与健康管理技术[J];航空电子技术;2009年01期

【相似文献】

相关期刊论文 前10条

1 王庆人;树分类器的渐近最优训练算法[J];机器人;1987年04期

2 常晓辉;穆志纯;张坤;;一种新的贝叶斯树分类器及其应用[J];计算机应用与软件;2008年05期

3 陈金峰,付伟;一种具有自由度特征的树分类器[J];计算机与数字工程;1997年02期

4 叶臻,吴保国,谢铭培;工件识别中决策树分类器的设计[J];计算机工程与应用;1999年04期

5 李科;王润生;王程;;一种用于飞机型号识别的树分类器方法[J];计算机工程与科学;2006年11期

6 项婧;任R，

本文编号：2048318