基于智能移动终端触屏行为的情绪识别研究

发布时间：2017-10-15 19:38

  本文关键词：基于智能移动终端触屏行为的情绪识别研究

  更多相关文章： 情绪识别 人机交互 触屏行为 特征选择 情绪诱导

【摘要】：当今是一个互联网高速发展的信息时代,智能移动终端已经被广泛应用于我们的日常生活中,成为了HCI(人机交互)的一种新的形式。很多应用都纷纷从台式机迁移到基于触屏的智能移动终端上。随着用户要求持续提升智能移动终端应用的交互体验,使我们提出了一个问题:能否通过基于智能移动终端的触屏行为来感知用户情绪。这项研究不仅对移动终端应用开发者是一个有价值的评估指标,同时也能成为应用的一种实时个性化服务。本文以用户在使用智能终端时的滑屏行为为出发点,首先从理论上讨论了滑屏行为识别情绪的可行性。基于这种可行性,本文通过设计相关的数据收集实验,并定义了一组对滑屏行为的描述特征,由此构建分类器来自动地区别情绪。完成的主要研究工作如下:首先,本文研究了滑屏行为数据的获取技术,利用结合IADS-2的Android的拼图游戏获取实验数据。通过获取的数据改进了描述滑屏行为的特征,提出了间隔时间特征。最后使用判别分析法对特征进行相关性分析。其次,结合ReliefF特征选择算法和ANN、SVM分类算法构建了ReliefF-ANN和ReliefF-SVM分类模型,以此来自动地区分四种情绪类别(轻松、兴奋、烦躁和无聊),以及两层愉悦度和两层唤醒度。分类效果表明,基于本文提取出的特征能够较为准确地识别情绪分类。同时基于ReliefF特征选择的分类算法比传统的分类算法在识别率上有了一定的提高。最后考虑性别因素,在性别和情绪两种因素下对样本特征进行分析,分析结果表明,长度和压力特征对于不同性别下的情绪识别有着相似的影响,而速度和时间间隔特征受到性别的影响则较大。考虑性别因素后的数据样本具有多个标签,传统的单标签分类算法不能够满足分类要求,因此提出了多标签分类算法。本文使用基于java的多标签分类工具mulan对数据样本进行了分类,并给出了相关评价指标。本文情绪识别的仿真实验模型的建立对于后续的实际应用具有重要作用。
【关键词】：情绪识别 人机交互 触屏行为 特征选择 情绪诱导
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.53;TP11
【目录】：

• 摘要3-4
• Abstract4-11
• 注释表11-12
• 第1章 引言12-20
• 1.1 研究背景12-15
• 1.1.1 智能设备的飞速发展12-13
• 1.1.2 情绪13-14
• 1.1.3 情绪识别14-15
• 1.2 研究意义15
• 1.3 研究现状15-18
• 1.4 研究目标和主要内容18-19
• 1.4.1 研究目标18
• 1.4.2 研究内容18-19
• 1.5 论文组织结构19-20
• 第2章 背景理论20-23
• 2.1 社会科学环境下通过触摸感知情绪20
• 2.2 触摸作为情绪识别方式的人机交互20-21
• 2.3 智能触屏设备反应情绪触摸的特征行为21-22
• 2.4 本章小结22-23
• 第3章 数据收集和相关性分析23-36
• 3.1 问卷调查23-24
• 3.2 应用的选择24-27
• 3.2.1 触屏设备24
• 3.2.2 基于Android平台的应用选择24-26
• 3.2.3 情绪诱导26-27
• 3.3 数据收集27-28
• 3.3.1 实验内容27
• 3.3.2 实验被试27
• 3.3.3 实验平台27-28
• 3.4 特征提取28-29
• 3.5 数据分析29-35
• 3.5.1 判别分析31-32
• 3.5.2 结果分析32-35
• 3.6 本章小结35-36
• 第4章 基于智能移动终端触屏行为的情绪识别算法36-45
• 4.1 Relief F特征选择算法36-38
• 4.2 ANN和SVM分类算法38-40
• 4.2.1 ANN分类算法38-39
• 4.2.2 SVM分类算法39-40
• 4.3 Relief F-ANN算法和ReliefF-SVM算法40-43
• 4.3.1 Relief F-ANN算法40-42
• 4.3.2 Relief F-SVM算法42-43
• 4.4 分类结果与分析43-44
• 4.5 本章小结44-45
• 第5章 性别对情绪识别的影响和多标签分类45-52
• 5.1 性别对情绪识别的影响45-48
• 5.2 多标签分类算法48-49
• 5.2.1 问题转换法48-49
• 5.2.2 算法适应法49
• 5.3 分类平台和结果分析49-51
• 5.3.1 mulan49-50
• 5.3.2 结果分析50-51
• 5.4 本章小结51-52
• 第6章 总结与展望52-54
• 6.1 工作总结52-53
• 6.2 工作展望53-54
• 参考文献54-59
• 致谢59-61
• 攻读硕士学位期间从事的科研工作及取得的成果61

【参考文献】

中国期刊全文数据库 前3条

1 娄彦磊;;智能手机操作系统发展现状及前景展望[J];电子技术与软件工程;2015年15期

2 王海鹤;陆捷荣;詹永照;毛启容;;基于增量流形学习的语音情感特征降维方法[J];计算机工程;2011年12期

3 朱远枫;章晶;史娜;;基于改进的ReliefF算法的神经网络集成分类模型[J];电脑知识与技术;2009年07期

，

本文编号：1038253