改进的支持向量用于生理信号的情感识别.pdfVIP

目 录 摘 要……………………………………………………………………………………I Abstract……………………………………………………………………………………………………………III 第一章 引言……………………………………………………………………………l 1．1研究背景及意义………………………………………………………………．1 1．2国内外研究现状以及不足……………………………………………………．3 1．3论文研究内容及创新点………………………………………………………．5 1．4论文的结构……………………………………………………………………．6 第二章构建生理信号数据库与特征选择……………………………………………7 2．1构建生理信号数据库…………………………………………………………．7 2．1．1情感唤起素材……………………………………………………………7 2．1．2生理信号采集方案………………………………………………………8 2．1．3情感生理数据库的建立………………………………………………．10 2．2信号预处理……………………………………………………………………12 2．2．1心电信号的特点………………………………………………………．12 2．2．2小波去噪及波形检测…………………………………………………．13 2．3心电和皮肤电电信号中的最佳特征组合选择方法…………………………14 2．4小结……………………………………………………………………………………………………．16 7 第三章 SA．IPSO．SVM算法及其在情感识别中的应用……………………………1 3．1支持向量机简介………………………………………………………………17 3．2粒子群算法优化的支持向量机………………………………………………19 3．2．1粒子群优化算法简介…………………………………………………．20 3．2．2免疫粒子群算法(IPSO)………………………………………………21 3．2．3引入模拟退火机制的免疫粒子群算法(SA．rPSO)……………………25 3．3SA．IPSO算法优化的支持向量机……………………………………………28 3．3．1改进的支持向量机在情感识别中的应用……………………………一29 3．3．2改进的粒子群算法在实时情感识别中的应用………………………一32 3．4本章小结………………………………………………………………………34 第四章 SA．ACO．SVM算法及其在情感识别中的应用……………………………35 4．1蚁群算法理论…………………………………………………………………35 4．1．1蚁群算法概述…………………………………………………………．35 4．2模拟退火算法优化的ACO算法……………………………………………．37 4．3SA-ACO．SVM算法的基本思路………………………………………………．39 4．4SA．ACO．SVM算法流程……………………………………………………．．41 4．3SA．ACO．SVM算法在情感识别中的应用……………………………………4l 4．4本章小结………………………………………………………………………45 第五章总结与展望…………………………………………………………………．47 5．1总结……………………………………………………………………………………………………．47 5．2展望……………………………………………………………………………47 参考文献………………………………………………………………………………．49 致谢…………………………………………………………………………………．55 攻读硕士期间研究成果及发表的学术论文…………………………………………一57 摘要 改进的支持向绷于生理信号的情感识别女 信号与信息处理专业硕士研究生李强 指导教师刘光远教授