基于脉搏信号特征评估与筛选的情感状态识别研究

发布时间：2017-12-20 18:27

  本文关键词：基于脉搏信号特征评估与筛选的情感状态识别研究　出处：《山东大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 情感识别 脉搏信号 特征提取与评估 机器学习

【摘要】：情感是指人类对外部客观事物的探索和认知过程中产生的态度体验与行为反应,在个体的学习探索、逻辑推理、分析决策和计划创造等方面发挥着重大作用。情感识别是通过采集含有情感信息的人体行为特征或生理信号,从中挖掘提取具有表征情感状态差异性的特征,进而构建具有高度可分性和泛化能力的情感模型的过程。准确、快速并具有预测性地识别情感,在临床医学、社会科学和工程实践中具有重要的理论意义和应用价值。基于脉搏信号的分析方法成熟,采集途径多样,具有便携、无创、连续、客观、可靠等优点,本文设计并实施了情感激发实验,采集了六种情感状态下的脉搏信号,利用统计分析、信息论、数据挖掘和机器学习技术,分析、量化、评估、筛选其情感信息成分,建立脉搏信号的高纬情感特征矩阵,并基于最优化机器学习算法明确了矩阵与情感状态之间的映射关系,设计并搭建了具有良好识别性能的情感状态分类器,实现了多种情感状态的识别。本文的主要研究内容如下:(1)通过设计情感激发实验方案,搭建实验实施环境,采集了六种情感状态下60名普通大学生的脉搏信号数据。通过脉搏信号的降噪处理以及信号、特征点、时间序列、特征的逐层映射,在线性和非线性空间内提取252个具有一定物理意义的特征,构建特征矩阵描述脉搏信号的变化规律,实现了情感状态下脉搏形态特征的定量化。(2)基于统计检验技术明确了特征序列与情感状态的正态性、方差齐性和独立性,利用非参数分析方法探究不同情感状态下,特征分布规律的差异性以及特征序列与情感状态间的相关性,明确了脉搏信号特征矩阵的情感属性。(3)采用归一化的互信息方法量化特征序列之间,以及特征与情感状态之间的相关程度和特征矩阵的冗余信息量。基于此,利用最小冗余最大相关算法、随机森林算法和统计检验技术,在特征空间内进行搜索,构建具有最大情感分辨能力和最小信息冗余的特征矩阵,并量化了特征对情感识别的贡献值。(4)综合统计分析技术、信息论、机器学习算法和统计检验方法,构建三级特征评估与筛选体系,实现了对特征序列的分析、挖掘、评估和赋权,进而筛选出低维度、高分辨力的特征,构建最优特征矩阵。(5)设计并搭建基于随机抽样、十折交叉检验和网格寻优算法的情感识别模型的学习框架、建立基于最优特征子集和最优参数的情感识别模型,实现情感状态是有效识别,并对不同学习模型的识别性能进行了比较评估。(6)建立基于最优特征子集、最优参数和随机森林算法的多情感状态识别模型,设计模型性能和训练样本量占比比关系的研究策略,搭建研究框架,明确模型识别性能与分割比例间的定量关系,确定模型最小训练集。脉搏信号包含情感信息,情感状态的改变会引起脉搏信号形态的变化,本文提取的特征可以定量的表征这些变化规律;基于情感特征矩阵的分析表明,时间序列线性特征的分辨能力要显著高于非线性特征,由情感因素造成的脉搏信号形态上的变化主要体现在频域上的能量变化;本文构建的三级特征评估与筛选体系,有效地降低了情感特征的维度和模型复杂度,提高了模型的运算效率和泛化能力;基于最优特征子集和最优参数建立的情感分类模型,具有较高的情感分类准确度以及较强的鲁棒性,并在保证分类精度的前提下实现了模型训练集的最小化。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R318;TN911.7

【相似文献】

中国期刊全文数据库 前6条

1 王炳和;董彦武;吴胜举;杨槞;相敬林;张效民;王海燕;;人体脉搏信号的功率倒谱与倒滤波谱分析[J];科学通报;1993年22期

2 邓云江;;基于小波包分解的脉搏信号定量分析[J];科技风;2014年11期

3 宋建勤,董彦武,吴胜举;倒谱技术在人体脉搏信号分析中的应用[J];陕西师范大学学报(自然科学版);1997年02期

4 王炳和,郭红霞;从脉搏信号中准确提取呼吸和心率信息的新方法[J];陕西师范大学学报(自然科学版);2005年01期

5 卢超;;脉搏检测实验装置的研制[J];实验室研究与探索;2010年09期

6 高泽利;快速心率测定仪的设计及制作[J];中国医学物理学杂志;2001年03期

中国重要会议论文全文数据库 前7条

1 熊运霞;苗德华;邓三鹏;;用于人体疲劳状态检测的脉搏信号监测系统的设计[A];2009全国虚拟仪器大会论文集（二）[C];2009年

2 张爱华;蔡海燕;;VDT作业过程中脉搏信号的动态分析[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会报告论文[C];2010年

3 韩清鹏;;应用小波变换的脉搏信号去噪处理与特征点提取[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 杨风健;;基于LabVIEW的脉搏信号检测与分析系统[A];2010振动与噪声测试峰会论文集[C];2010年

5 王炳和;张建伟;相敬林;;基于小波变换的人体脉搏信号时-频分布与心脏功能检测[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 于璐;沙宪政;;Labview和Matlab平台下的脉搏信号分析[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会报告论文[C];2010年

7 杨玉芳;熊继平;谭黎;;基于单片机的光电脉搏检测系统[A];第九届全国信息获取与处理学术会议论文集Ⅰ[C];2011年

中国博士学位论文全文数据库 前3条

1 王鹏;脉搏信号获取与分析的研究[D];哈尔滨工业大学;2014年

2 刘磊;基于多普勒超声信号的脉象分析与分类研究[D];哈尔滨工业大学;2013年

3 韩清鹏;脉搏信号的非线性分析及其不同情绪和环境的影响研究[D];浙江大学;2007年

中国硕士学位论文全文数据库 前10条

1 孙霞;人体脉搏信号的采集与分析[D];哈尔滨理工大学;2009年

2 唐铭一;脉搏信号数据分析与管理的研究[D];北京服装学院;2010年

3 杨超;基于改进的EMD脉搏信号特征的情感识别方法[D];重庆理工大学;2015年

4 黄旭为;穿戴式脉搏信号检测系统的设计与算法研究[D];华南理工大学;2015年

5 张锡斌;心电为时基双侧脉搏信号采集系统实现与研究[D];东北大学;2013年

6 邵静丹;鸽子机器人户外飞行调控工具的开发与应用[D];南京航空航天大学;2014年

7 程旭敏;可穿戴眼镜中脉搏和运动信号的分析处理及应用研究[D];东南大学;2015年

8 王莹莹;基于手机的脉搏信号无线监护系统的研究[D];燕山大学;2016年

9 汤欣;三基色环境下多通道脉搏信号影响分析系统设计与实现[D];燕山大学;2016年

10 何慧敏;基于脉搏特征参数和面部温度分布特性的女性气血病理的决策分析[D];昆明理工大学;2016年

，

本文编号：1312971