脑电与视听觉特征相结合的视频情感分类

发布时间：2017-06-16 02:02

  本文关键词：脑电与视听觉特征相结合的视频情感分类，由笔耕文化传播整理发布。

【摘要】：在日新月异的互联网时代,随着网络视频数量的与日俱增,含有不良信息的网络视频也不断增多。为了保护未成年人和某些特殊人群,网络不良信息过滤刻不容缓。作为网络不良信息过滤的重要方式,视频情感分类一直是研究热点。近年来,随着便携式脑电信号采集装置的出现和人们对个性化视频分析需求的增加,脑电信号在视频情感分类领域逐渐引起研究者们的关注。为了提高视频情感分类的正确率,并探索将视频信号与脑电信号有效融合的分类模型构建方式,本文的具体研究工作如下:首先,本文回顾了视频情感分类和多模融合分类方式的研究现状。通过对多模融合视频情感分类的深入研究,本文分析得出了构建多模融合视频情感分类模型的关键研究点:特征提取、特征选择以及融合分类。本文仅针对特征选择以及融合分类这两个关键点展开研究。其次,本文提出了一种基于决策树的脑电信号特征选择方法。该方法关注特征选择这一关键研究点,阐释了将决策树技术应用于脑电信号特征选择的具体方式。在第二届脑机接口竞赛标准数据集Ia上,本文采用不同的脑电信号特征选择方法进行了测试。测试结果显示,与具有代表性的传统脑电信号特征选择方法相比,本文提出的特征选择方法所选出的脑电特征与生理学研究结论一致,并能获得更高的分类正确率。最后,本文提出了一种基于核超限学习机的多模融合视频情感分类方法。该方法主要聚焦于融合分类这一关键研究点,采用核超限学习机技术,将视频信号和脑电信号进行特征级融合,再映射到情感类别空间实现视频情感分类,为混合式视频情感分类提供了新的思路。本文设计并实现了视频情感诱发脑电实验,并从该实验中获得了测试所需的视频信号和脑电信号。本文首先在自采脑电信号上验证了所提出的脑电信号特征选择方法的有效性。然后本文在自采数据上采用不同的视频情感分类方法进行了测试。测试结果显示,与仅用视频信号或仅用脑电信号的视频情感分类方法相比,本文提出的多模融合视频情感分类方法能获得更高的分类正确率。
【关键词】：视频情感分类 脑电信号 多模融合 决策树 核超限学习机
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R338;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 研究背景和意义9-10
• 1.2 研究历史和现状10-12
• 1.3 课题来源12
• 1.4 本文研究内容及结构12-15
• 第2章 多模融合视频情感分类的相关工作15-23
• 2.1 视频情感分类15-20
• 2.1.1 情感描述子16-17
• 2.1.2 直接的视频情感分类17-18
• 2.1.3 间接的视频情感分类18-20
• 2.1.4 混合式视频情感分类20
• 2.2 多模融合分类方式20-22
• 2.3 本章小结22-23
• 第3章 基于决策树的脑电信号特征选择方法研究23-37
• 3.1 传统的脑电信号特征选择方法23-24
• 3.2 基于决策树的脑电信号特征选择方法24-29
• 3.2.1 决策树原理25-28
• 3.2.2 基于决策树的脑电信号特征选择方法描述28-29
• 3.3 实验结果29-36
• 3.3.1 实验数据说明30-31
• 3.3.2 参数设置说明31-33
• 3.3.3 不同脑电信号特征选择方法的结果比较33-36
• 3.4 本章小结36-37
• 第4章 基于核超限学习机的多模融合视频情感分类方法研究37-55
• 4.1 核超限学习机原理37-39
• 4.2 基于核超限学习机的多模融合视频情感分类方法39-46
• 4.2.1 特征的提取40-45
• 4.2.2 特征的选择45
• 4.2.3 基于核超限学习机的多模融合视频情感分类模型45-46
• 4.3 实验结果46-53
• 4.3.1 视频情感诱发脑电实验材料及设计细节说明47-49
• 4.3.2 参数设置说明49-50
• 4.3.3 不同脑电信号特征选择方法的结果比较50-51
• 4.3.4 不同分类方法的视频情感分类结果比较51-53
• 4.4 本章小结53-55
• 结论55-57
• 参考文献57-65
• 攻读硕士学位期间的研究成果65-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 ;脑电信号处理的研究取得阶段性成果[J];河北师范大学学报;1987年01期

2 李志瑞;张文杰;;通用脑电信号处理——微机系统初探[J];河北师范大学学报;1988年Z1期

3 孟欣，欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

4 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

5 李英远,周卫东;径向基函数神经网络在脑电信号建模中的应用[J];山东生物医学工程;2002年02期

6 刘大路,江朝晖,冯焕清,王聪;基于脑电信号时空分布信息的思维特征研究[J];北京生物医学工程;2004年02期

7 许崇涛,沈民奋,李慧,朱国平;双谱分析方法在脑电信号分析中的应用[J];中国行为医学科学;2004年03期

8 汤晓军,宋卓,杨卓,张涛;双任务事件中脑电信号的熵计算(英文)[J];生物物理学报;2005年05期

9 蒋辰伟;章悦;曹洋;朱国行;顾凡及;王斌;;脑死亡与脑昏迷脑电信号的复杂度研究[J];生物物理学报;2008年02期

10 李谷;范影乐;庞全;;基于排列组合熵的脑电信号睡眠分期研究[J];生物医学工程学杂志;2009年04期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

7 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

8 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

9 王欢;基于非平稳时间序列分析方法的脑电信号模式识别[D];苏州大学;2015年

10 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年

  本文关键词：脑电与视听觉特征相结合的视频情感分类，由笔耕文化传播整理发布。

，

本文编号：454061