基于多生理信号小波及深度特征分层融合的情绪识别研究

发布时间：2023-05-03 14:36

　　情绪,作为一种短暂而强烈的对外反应,影响人类的生理和心理状态,在人类生活中起着非常重要的作用。情绪识别研究受到了广泛关注,其在医疗、安全驾驶、社会安全等领域都有所应用。相较于外在的物理信号,生理信号直接由神经系统(中枢神经系统、周围神经系统)产生以及控制,人的主观意识难以对其控制,其识别结果更具客观性。因此,本文的研究内容是基于生理信号的情绪识别。目前,基于生理信号的情绪识别研究存在两个局限性。(1)特征局限性:当前研究所提取的特征大多对信号分析不全面。通过针对特定任务手工构造特征或利用深度学习方法提取特征,缺乏挖掘生理信号内在的共性信息,以及没有考虑生理信号时间上下文的信息。(2)融合框架局限性:常见的特征融合和决策融合对信号信息利用不充分,影响了最终的识别准确率。针对以上总结的局限性,本文进行了以下三个工作。(1)提出基于小波变换的多生理信号情绪识别算法。针对生理信号的非平稳非线性特征,采用小波变换对信号进行处理,并手工构造各类特征(统计、能量、熵特征),最后应用支持向量机(SVM)在快乐悲伤二分类实验中达到92.68%的准确率,验证了小波特征与多信号融合的有效性。(2)提出基于门...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 情绪诱发方法
        1.2.2 基于多生理信号的预处理
        1.2.3 基于多生理信号的特征提取
        1.2.4 基于多生理信号情绪识别的分类算法
        1.2.5 存在问题
    1.3 论文主要工作
        1.3.1 研究目标及研究内容
        1.3.2 主要工作
    1.4 论文组织框架
    1.5 本章小结
第二章 基于多生理信号的情绪识别相关知识
    2.1 多生理信号介绍
        2.1.1 心电信号
        2.1.2 肌电信号
        2.1.3 皮电信号
    2.2 情绪相关知识
        2.2.1 情绪的定义
        2.2.2 情绪的分类
    2.3 相关算法介绍
        2.3.1 支持向量机
        2.3.2 循环神经网络
    2.4 本章小结
第三章 基于小波变换的多生理信号情绪识别算法
    3.1 算法框架
    3.2 Bio Vid Emo DB数据库
    3.3 预处理
        3.3.1 数据划分
        3.3.2 信号去噪
    3.4 小波变换
    3.5 特征提取
        3.5.1 时域特征
        3.5.2 频域特征
    3.6 特征选择
    3.7 实验结果与分析
        3.7.1 实验参数设定
        3.7.2 SBFS-SVM有效性验证实验
        3.7.3 多信号融合实验
    3.8 本章小结
第四章 基于GRU-AE的多生理信号情绪识别算法
    4.1 算法框架
    4.2 自编码器
    4.3 门控循环单元
    4.4 门控循环单元自动编码机
    4.5 特征降维
    4.6 实验结果与分析
        4.6.1 实验参数设置
        4.6.2 对比实验一:GRU-AE特征vs小波特征
        4.6.3 对比实验二:基于GRU-AE的特征融合vs基于GRU与AE的特征融合
        4.6.4 结论
    4.7 本章小结
第五章 基于多生理信号小波及深度特征分层融合的情绪识别算法
    5.1 算法框架
    5.2 分层融合策略
    5.3 Platt缩放
    5.4 实验结果与分析
        5.4.1 实验设计
        5.4.2 小波及深度特征融合有效性实验
        5.4.3 小波及深度特征分层融合框架有效性实验
        5.4.4 相关文献对比实验
        5.4.5 结论
    5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件



本文编号：3806893