长春大学情绪识别学科前沿.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
长春大学情绪识别学科前沿

专业型硕士学位研究生 学 院: 电子信息工程学院 姓 名: 学 号: 年 级: 专 业: 控制工程 报告课题: 情绪识别学科前沿讲座 第一导师: 填表日期: 2016 年 1 月 3 日 情绪识别学科前言讲座 一、生理信息情绪识别的意义 多生理信息情绪识别的任务是找出生理信号的混沌特征参量和不同情绪。基于混沌特征提取的多生理信息融合的情绪识别方法研究是一交叉学科,涉及到很多领域,如人工智能、社会科学,并且与心理学、生物学、医学等也紧密相关。 监测人体生理指标的变化,对于情绪障碍患者和残障人士很重要。在诊断治疗和复健训练时,为了能够准确掌握患者的生理和心理状况,需要对患者的各种生理信号实时的观测和分析,从而拟定对应的治疗计划,安排合适的训练方式帮助患者。21世纪,人们工作节奏快,生活方式不健康,如果能够实时监测在各种不同情感下人的生理信号变化,对于预测和治疗抑郁症以及动态评价人体健康状态具有一定的意义。 基于生理信号的情绪识别研究也有巨大的商业实用,情绪服饰、情绪眼镜、情绪手表等。人机情绪交互的智能机器人,能够实时感知人的生理信号,从而有感情的与人交流。 国内外目前情绪识别研究的生理信号主要有光电脉搏容积(PPG)、心电信号(ECG)、眼电信号(EOG)、呼吸信号(RSP)、血氧饱和度信号(OOG)皮电信号(SC)、脑电信号(EEG)、肌电信号(EMG)等。国内外研究学者对生理信号提取特征参数方法的研究各不相同,有的以线性特征为目标,有的主要以非线性混沌学为研究方法。国内外研究学者对情绪识别方法也不尽相同,有的着重于对情绪进行建模,有的集中对情绪进行分类。近几年,基于混沌特征提取的多生理信息融合的情绪识别已成为国内外的焦点。 生理信号是一种生物外形特征信号,的主观没有办法生理信号的变化,当人的情绪波动时,生理信号也对应改变,所以生理信号能够表达当前真实情。本章介绍目前常用情绪分类模型及用于情绪识别的典型生理信号。 国外学者情绪两种分类模型:第一种基本离散情绪模型,基本情绪组合产生其他情绪;第二种复合情绪模型把所有情绪到连续情感空间。 基本离散情绪模型认为所有的情绪都的,存在基本情绪,人类的情绪是由这些基本情绪通过不同组合产生的。Ortony等通过研究,认为恐惧、高兴、悲伤和愤怒这4种情绪最为普遍,其次是惊奇和厌恶,因此这6种情绪被广泛认为是基本情绪。 复合情绪模型认为情绪是连续的,注重情感维度。复合情绪模型有Markov模型,该模型构建了一个以Fear、Anger和Joy为的三维情感空间[12],三维情感空间中的点代表相对应的某种情绪;模型,该模型根据情绪表示的主被动程度,将情绪分成相应的等级,构建了三级情绪模型 (二)几种典型的生理信号 在提取生理信混沌特征,生理信号的。论文所涉及的生理信号分别是心电、肌电、皮电和呼吸信号,着重介绍这4种典型生理信号的基本知识。 生理信号可以一组时间序列,提取混沌特征参量的前提是时间序列非平稳其他学者对于生理信号是否为非平稳的已经进行了检验并给出了结论,采用游程检验法验证了生理信号是非平稳混沌时间序列[21],证明了混沌生理信号是有意义的,这样下一步我们就可以提取生理信号混沌特征了。 对生理信号混沌序列的,论是特征的,模型的分析和都在相空间,因此重构相空间对分析是至关重要的,也就是说重构相空间是提取生理信号混沌的相空间重构的理论是[22]:系统中某个变量在演化时一定会受到变量的影响,各个变量是相互影响的。具体实现步骤是,先选取一个变量,定在某个时间延迟点上,把得到的值一个新的维度,并在时间点上的延迟量,最终相点,这样就构成了新的状态空间。嵌入维和延迟时间这两个参量的选取重构相空间非常重要。目前这个参的选取主要有两种方法:(1)分别求解和。采用自相关法或互信息法[23]来确定延迟时间,然后采用算法或虚假最近邻点法[24]来确定嵌入维;2)统一求解和,主要用算法来求解。由于算法可以同时算出嵌入维和时间延迟,操作简单、计算方便,在处理大数据集、非线性问题时表现良好,具强的抗噪声,在相空间重构中应用因此本论文采用算法来重构相空间求取和。 算法的基本原理是用关联积分的统计量来非线性时间序列的性,以此出和时间延迟窗,再根据。 对于数据组长度为的一组数据,重构相空间中的点为 ………………………………(3.6) 其中,,则序列的嵌入关联积分为 …………(3.7) 其中,。 原始序列分成不相交的个子序列,则子序列的统计量定义为 ………(3.8) 当时,统计量为 ……(3.9) 令得到的第一个零点最优,求取所有的平均值为 ……………………(3.10) 其中,,分别代表嵌入维数和的数目。 求取所有的平均值为 …………………………

文档评论(0)

haihang2017 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档