基于蟻群算法的呼吸信號(hào)情感識(shí)別研究.pdf

1、情感計(jì)算主要研究讓機(jī)器和設(shè)備能夠認(rèn)知、交互、處理以及模仿人類的一些行為。情感計(jì)算是現(xiàn)代科技研究中的一個(gè)重要分支。情感計(jì)算的研究能夠?yàn)閷?lái)各種人工智能的應(yīng)用奠定一個(gè)扎實(shí)的基礎(chǔ)。在情感計(jì)算中，有各種各樣的信號(hào)數(shù)據(jù)可供研究，包括圖像、語(yǔ)言、生理信號(hào)等。本文主要研究基于呼吸信號(hào)(Respiratory，RSP)的情感識(shí)別。
　　 由于呼吸信號(hào)蘊(yùn)含著豐富的情感狀態(tài)信息，并且這些信息可能用來(lái)識(shí)別不同的情感狀態(tài)。因此論文對(duì)采集到的呼吸信號(hào)在經(jīng)

2、過(guò)濾波、歸一化等數(shù)據(jù)預(yù)處理后進(jìn)行特征提取，并采用蟻群優(yōu)化算法來(lái)進(jìn)行基于呼吸信號(hào)的情感特征選擇，取得了較好的識(shí)別效果。本文還提出了顯著特征的概念，給出了6種不同情感對(duì)應(yīng)的顯著特征，同時(shí)研究了代表不同情感的最優(yōu)特征子集?；诤粑盘?hào)的情感識(shí)別過(guò)程主要包括五個(gè)步驟：采集數(shù)據(jù)、數(shù)據(jù)預(yù)處理、特征提取、特征選擇、情感分類。本論文對(duì)每一步驟都做了詳細(xì)介紹。
　　 本論文所做的主要工作有以下幾部分：
　　 1.本實(shí)驗(yàn)采集了所需的呼吸信號(hào)

3、。在實(shí)踐中，采集了后續(xù)研究中所需的6種不同情感的數(shù)據(jù)。并通過(guò)歸類整理，初步建立了一個(gè)呼吸信號(hào)的原始信號(hào)數(shù)據(jù)庫(kù)。實(shí)驗(yàn)中使用一些蘊(yùn)含著豐富情感的視頻來(lái)誘發(fā)被試的真實(shí)情感。本研究實(shí)驗(yàn)全部都是本校大一學(xué)生自愿參加的。
　　 2.對(duì)采集的呼吸信號(hào)進(jìn)行預(yù)處理，并且提取相關(guān)的特征(包括統(tǒng)計(jì)特征以及小波特征)。實(shí)驗(yàn)對(duì)采集到的原始呼吸信號(hào)數(shù)據(jù)進(jìn)行了各種數(shù)據(jù)預(yù)處理操作，主要包括去噪、濾波、歸一化等。前期研究中發(fā)現(xiàn)只有統(tǒng)計(jì)特征的情況下對(duì)情感識(shí)別效果不

4、是很好，所以增加提取了小波特征。實(shí)驗(yàn)最后總共提取了171個(gè)特征，包括87個(gè)統(tǒng)計(jì)特征和84個(gè)小波特征。
　　 3.運(yùn)用蟻群算法(Ant Colony Optimization，ACO)進(jìn)行特征選擇。蟻群算法是一個(gè)新興的現(xiàn)代智能算法，應(yīng)用廣泛，可以很好地用來(lái)解決一些離散組合優(yōu)化問(wèn)題。本文對(duì)基本蟻群算法做了一些改進(jìn)并用到基于呼吸信號(hào)的情感識(shí)別中。具體改進(jìn)是將局部搜索和變異策略引入到蟻群優(yōu)化算法中，結(jié)合Fisher分類器進(jìn)行情感識(shí)別，不