首页 > 分享 > 基于心率变异性的情绪识别研究

基于心率变异性的情绪识别研究

萌宠菠菠乐园
2024-09-22 09:15

摘要：

情绪是伴随着意识和认知过程产生的心理和生理状态,在人类交流中扮演着重要的角色,因此对情绪进行有效识别具有重要意义.基于生理信号的情绪识别方法不易伪装,能获得更加客观有效的结果.虽然基于脑电情绪识别的精度高,但是脑电设备昂贵,佩戴与采集过程复杂,并且只能在固定场所和特定条件下进行采集与分析.随着便携式可穿戴心电采集设备的发展,基于心电信号的实时情绪检测成为可能.然而当前基于心电信号的情绪分类效果有待提高,对此本文从心率变异性特征提取方法,特征筛选以及分类算法方面展开研究,以提高情绪识别准确率.本文主要的研究内容如下:(1)建立了用户独立模型的心电情绪样本集.针对用户独立模型数据的采集,采用影视剪辑法设计了情绪诱发视频材料和情绪诱发范式,通过实验诱发了anger,joy,sadness,peace和fear五种情绪,每种情绪的样本量近百例.其中joy,sadness和fear三类情绪用于本文的识别研究,为用户独立模型的情绪分析提供数据样本支持.(2)提取了40种心率变异性特征.研究了时域,频域,非线性和时频域四类提取方法,并利用统计学方法,对不同情绪的心率变异性特征进行差异性分析.结果表明绝大多数特征在不同的情绪状态之间存在统计学差异.(3)提出最大信息系数法用于心率变异性特征选择.将该特征选择方法与支持向量机,随机森林和K近邻算法结合构建了五种分类模型,用于用户依赖模型的joy,anger,sadness,pleasure四种情绪和用户独立模型的joy,sadness,fear三种情绪的分类研究.结果表明,本文提出的最大信息系数特征选择方法,有效提高了情绪识别的准确率,并降低了建模所需的特征维数.(4)提出GA-BP-adaboost算法用于正负性情绪的分类研究.该算法识别率达84.27%,与BP神经网络等其他算法相比,识别效果显著提升.并利用该算法设计实现了一款正负性情绪识别软件,可以对正负性情绪进行有效检测.本文基于心率变异性特征开展情绪识别研究,通过设计实验范式建立了用户独立模型的情绪样本集.所提出的最大信息系数特征选择方法和GA-BP-adaboost建模算法在Aubt情绪数据库和自采集情绪数据中均取得了较为理想的识别效果.最后设计完成了用于情绪识别的软件,为实现基于心电信号实时便携的情绪分析提供了支持和参考.

展开