本文主要研究内容
作者金雨鑫（2019）在《基于多生理信号的情绪分类方法研究》一文中研究指出：生理信号作为人体最易通过传感器获得的信号,蕴藏着人体大量的生理和心理的重要信息,获取并识别多种生理信号,对计算机识别人类情绪具有重要意义。受限于脑电,皮肤电,呼吸,脉搏等生理信号的复杂性,从这些生理信号中提取有用的特征并对情绪做出准确的分类预测一直是个难点。随着“情感计算”概念的提出,学者们致力于将情绪这一概念数学化,使计算机能够识别和处理,并对情绪状态做出识别和分类。传统的情绪分类方法通常是人工提取相关的特征并利用机器学习模型进行分类学习。随着深度学习等拥有表征学习能力的模型提出,出现了一些利用深度学习模型自动学习特征并进行分类学习的方法。本文针对这些研究方向做了一些相关的探索,其中主要研究内容和贡献包括:详细综述了国内外对生理信号进行分析建模和特征提取的方法。其次基于DEAP数据集,使用脑电信号,皮肤电信号,呼吸信号,脉搏信号这些生理信号,提取小波熵,样本熵,统计特征等多种特征,并使用KNN,SVM和Xgboost对情绪进行二分类实验。结果表明在效价分类准确率上相比DEAP论文实验结果最高提高了9.7%,在唤醒度准确率上最高提高了1.4%。为了改善传统情绪识别方法需要对生理信号进行深入了解,且需要人工提取相关特征的缺点。提出一种基于深度森林的多粒度扫描表征学习方法,并对DEAP数据集脑电信号,皮肤电信号,呼吸信号,脉搏信号的时域数据进行自动特征提取。同时提出一种融合32通道脑电信号特征向量的方法,并通过级联森林对特征进行进一步学习。结果表明在效价分类准确率上相比DEAP论文实验结果最高提高了14.9%,在唤醒度准确率上最高提高了6.1%。实验表明深度森林能在一定程度上对信号进行自动特征提取,并进行分类预测。
Abstract
sheng li xin hao zuo wei ren ti zui yi tong guo chuan gan qi huo de de xin hao ,wen cang zhao ren ti da liang de sheng li he xin li de chong yao xin xi ,huo qu bing shi bie duo chong sheng li xin hao ,dui ji suan ji shi bie ren lei qing xu ju you chong yao yi yi 。shou xian yu nao dian ,pi fu dian ,hu xi ,mai bo deng sheng li xin hao de fu za xing ,cong zhe xie sheng li xin hao zhong di qu you yong de te zheng bing dui qing xu zuo chu zhun que de fen lei yu ce yi zhi shi ge nan dian 。sui zhao “qing gan ji suan ”gai nian de di chu ,xue zhe men zhi li yu jiang qing xu zhe yi gai nian shu xue hua ,shi ji suan ji neng gou shi bie he chu li ,bing dui qing xu zhuang tai zuo chu shi bie he fen lei 。chuan tong de qing xu fen lei fang fa tong chang shi ren gong di qu xiang guan de te zheng bing li yong ji qi xue xi mo xing jin hang fen lei xue xi 。sui zhao shen du xue xi deng yong you biao zheng xue xi neng li de mo xing di chu ,chu xian le yi xie li yong shen du xue xi mo xing zi dong xue xi te zheng bing jin hang fen lei xue xi de fang fa 。ben wen zhen dui zhe xie yan jiu fang xiang zuo le yi xie xiang guan de tan suo ,ji zhong zhu yao yan jiu nei rong he gong suo bao gua :xiang xi zeng shu le guo nei wai dui sheng li xin hao jin hang fen xi jian mo he te zheng di qu de fang fa 。ji ci ji yu DEAPshu ju ji ,shi yong nao dian xin hao ,pi fu dian xin hao ,hu xi xin hao ,mai bo xin hao zhe xie sheng li xin hao ,di qu xiao bo shang ,yang ben shang ,tong ji te zheng deng duo chong te zheng ,bing shi yong KNN,SVMhe Xgboostdui qing xu jin hang er fen lei shi yan 。jie guo biao ming zai xiao jia fen lei zhun que lv shang xiang bi DEAPlun wen shi yan jie guo zui gao di gao le 9.7%,zai huan xing du zhun que lv shang zui gao di gao le 1.4%。wei le gai shan chuan tong qing xu shi bie fang fa xu yao dui sheng li xin hao jin hang shen ru le jie ,ju xu yao ren gong di qu xiang guan te zheng de que dian 。di chu yi chong ji yu shen du sen lin de duo li du sao miao biao zheng xue xi fang fa ,bing dui DEAPshu ju ji nao dian xin hao ,pi fu dian xin hao ,hu xi xin hao ,mai bo xin hao de shi yu shu ju jin hang zi dong te zheng di qu 。tong shi di chu yi chong rong ge 32tong dao nao dian xin hao te zheng xiang liang de fang fa ,bing tong guo ji lian sen lin dui te zheng jin hang jin yi bu xue xi 。jie guo biao ming zai xiao jia fen lei zhun que lv shang xiang bi DEAPlun wen shi yan jie guo zui gao di gao le 14.9%,zai huan xing du zhun que lv shang zui gao di gao le 6.1%。shi yan biao ming shen du sen lin neng zai yi ding cheng du shang dui xin hao jin hang zi dong te zheng di qu ,bing jin hang fen lei yu ce 。
论文参考文献
论文详细介绍
论文作者分别是来自杭州电子科技大学的金雨鑫，发表于刊物杭州电子科技大学2019-05-13论文，是一篇关于脑电论文,皮肤电论文,呼吸论文,脉搏论文,深度森林论文,表征学习论文,杭州电子科技大学2019-05-13论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自杭州电子科技大学2019-05-13论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：脑电论文; 皮肤电论文; 呼吸论文; 脉搏论文; 深度森林论文; 表征学习论文; 杭州电子科技大学2019-05-13论文;