基于多生理信号的焦虑情绪识别方法研究

发布时间：2017-08-31 17:32

  本文关键词：基于多生理信号的焦虑情绪识别方法研究

  更多相关文章： 情绪识别 焦虑 特征选择 最近邻算法 支持向量机

【摘要】：焦虑是一种在感到被威胁的环境中产生的复杂的心理过程，是人的生理反应、个人特质和社会影响的综合反映。人的生理信号为微弱的生物电信号、生物阻抗或生理外形特征变化信号，会因为情绪的波动而产生相应的反应，由于其受人的植物性神经系统控制，能够更客观地反映真实的情绪状态。 本文详细分析了焦虑情绪产生的特点，并根据其特点设计了相应的实验室诱发实验。通过对实验采集到的生理信号均值特征在平静状态和焦虑状态两种情况下的初步比较和分析，验证了实验的情绪诱发成功。根据比较分析的结果，以及不同信号与情绪变化的相关程度，对进行后续特征选择和分类的所采用的生理信号特征做了初步的筛选。本文通过Relief算法进行特征选择，并与最近邻算法和支持向量机两种分类器进行了结合，都得到了较好的分类效果，，而Relief-SVM的综合分类情况更具优势。结合对于各生理特征特征选择时权重值的分析，总结出最有利于分类的生理信号特征。最终初步建立了一个基于多生理信号的焦虑状态下的情绪识别仿真模型。 本文情绪识别仿真模型的建立对于后续的实际应用以及对人的焦虑情绪的识别和调节的辅助作用都具有重要的意义。
【关键词】：情绪识别 焦虑 特征选择 最近邻算法 支持向量机
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.4;R749.72
【目录】：

• 摘要5-6
• ABSTRACT6-8
• 目录8-10
• 图录10-11
• 表录11-12
• 第一章 绪论12-22
• 1.1 研究背景12-17
• 1.1.1 情绪12-13
• 1.1.2 情绪识别13-16
• 1.1.3 焦虑状态16-17
• 1.2 研究意义17-18
• 1.3 国内外研究现状18-20
• 1.3.1 国外研究概况18-20
• 1.3.2 国内研究概况20
• 1.4 本文具体内容与安排20-22
• 第二章 多生理信号与焦虑情绪变化的相关性分析22-39
• 2.1 焦虑情绪状态研究22-23
• 2.2 情绪诱发方法23-24
• 2.3 焦虑情绪诱发实验24-31
• 2.3.1 实验内容24-25
• 2.3.2 实验被试25-26
• 2.3.3 实验平台及实验设备26-28
• 2.3.4 STAI 问卷28-29
• 2.3.5 实验过程29-31
• 2.4 实验数据预处理31
• 2.5 特征提取31-33
• 2.6 去除基线数据33-34
• 2.7 数据的初步分析34-39
• 2.7.1 焦虑情绪诱发生理数据样本34
• 2.7.2 平静状态与焦虑情绪下生理数据均值特征差异性分析34-37
• 2.7.3 问卷结果与生理信号均值特征结果相关性分析37-38
• 2.7.4 生理信号均值间相关性分析38-39
• 第三章 基于多生理信号的焦虑情绪状态识别算法39-50
• 3.1 特征选择39-42
• 3.2 Relief 特征选择算法42-43
• 3.3 kNN 分类算法43-45
• 3.4 Relief-kNN 算法结合应用45
• 3.5 SVM 算法45-48
• 3.5.1 经典支持向量机算法45-47
• 3.5.2 最小二乘支持向量机（LS-SVM）47-48
• 3.6 Relief-SVM 算法结合应用48-49
• 3.7 本章小结49-50
• 第四章 分类结果与分析50-54
• 4.1 焦虑情绪状态生理数据样本50
• 4.2 两组样本分类结果分析50-52
• 4.2.1 Relief-kNN 算法分类结果分析50-51
• 4.2.2 Relief-SVM 算法分类结果分析51-52
• 4.3 多组样本分类结果分析52-54
• 4.3.1 Relief-kNN 算法分类结果分析52
• 4.3.2 Relief-SVM 算法分类结果分析52-54
• 第五章 总结与展望54-56
• 5.1 总结54-55
• 5.2 展望55-56
• 参考文献56-60
• 附录60-62
• 致谢62-63
• 攻读硕士学位期间已发表或录用的论文63

【参考文献】

中国期刊全文数据库 前2条

1 王国江;王志良;杨国亮;王玉洁;陈锋军;;人工情感研究综述[J];计算机应用研究;2006年11期

2 高忠江;施树良;李钰;;SPSS方差分析在生物统计的应用[J];现代生物医学进展;2008年11期

本文编号：766944