兩種改進的粒子群算法在皮膚電信號情感識別中的研究.pdf

1、目前可以采用相關的皮膚電導監(jiān)控系統(tǒng)來檢測人的生理狀態(tài)，但是有關GSR信號中蘊含的情感信息方面的研究還很少。本文主要研究的是六種情感狀態(tài)(高興、驚奇、厭惡、悲傷、憤怒和恐懼)和GSR信號特征之間的對應關系，研究的過程主要分為訓練和驗證兩個階段。
　　 為建立豐富的GSR情感生理數(shù)據(jù)庫，長期招募被試，并利用精心挑選的能夠代表高興、驚奇、厭惡、悲傷、憤怒和恐懼情感色彩的電影片段激發(fā)相應情感，采用Biopac公司生產(chǎn)的多通道生理信號采集

2、儀MP150記錄各被試的GSR信號，實驗過程中，為確保數(shù)據(jù)的有效性，主試應該密切關注被試在觀看影片時的情況并實時標注，再對采集到的原始GSR信號數(shù)據(jù)進行濾波、標準化和歸一化處理。根據(jù)主試的標記和電影片段最能激發(fā)相應情感的時間段，選取了若干組有效數(shù)據(jù)，包括：194組高興數(shù)據(jù)、159組驚奇數(shù)據(jù)、82組厭惡數(shù)據(jù)、221組悲傷數(shù)據(jù)、224組憤怒數(shù)據(jù)和189組恐懼數(shù)據(jù)，并對上述各組數(shù)據(jù)進行特征提取，提取了能夠代表GSR信號變化的30個統(tǒng)計特征，為

3、下一步的特征選擇過程做好準備。
　　 在特征選擇過程中，選用了傳統(tǒng)的序列后向選擇(SBS)算法和兩種改進的粒子群智能優(yōu)化算法，并選用Fisher分類器。在上述過程中，將目標情感看做第一類，而將其他情感看做第二類。針對基本PSO算法容易陷入局部極小的情況，選用改進的兩種PSO算法，其中一種是在添加了慣性權重、鄰域搜索和交叉變異算子的混合粒子群(Hybrid Particle SwarmOptimization，HPSO)算法，另一

4、種是將生物免疫系統(tǒng)的自調節(jié)理念引入到HPSO算法中，將慣性權重設置成自適應調節(jié)形式的免疫混合粒子群算法(Immune Hybrid Particle SwarmOptimization，IH-PSO)1。
　　 對比分析上述各特征選擇算法尋找到的最優(yōu)特征組合的驗證識別效果，得到的結論如下：
　　 (1)SBS算法和PSO算法均在識別恐懼和驚奇情感時效果尤為明顯，在識別厭惡情感時效果不佳；
　　 (2)在識別特定情

5、感時，智能優(yōu)化算法PSO獲得的驗證識別效果都優(yōu)于傳統(tǒng)的SBS算法；
　　 (3)采用IH-PSO尋找到的解識別目標情感的正確識別率、第二類情感的正確識別率、最優(yōu)特征組合的驗證適應度都高于HPSO的情況，表明在添加了免疫機制后，能夠有效地解決HPSO算法容易陷入局部極值的缺點。
　　 (4)從六種情感中任意挑選兩種進行一對一識別研究，共比較了15種組合，將與每種情感相關的最優(yōu)特征組合結果進行對比，找出了在相應情感識別中的較