基于蚁群算法的呼吸信号情感识别研究-计算机应用技术专业论文.docxVIP

目 目 录 摘 要 Abstract ． 第1章引言 1．1研究背景及意义 1．2研究现状与存在的问题 1．3论文的具体工作及内容安排 1．4论文主要创新点 第2章呼吸信号采集 2．1呼吸信号介绍 2．2呼吸信号采集 2．3小结 第3章呼吸信号特征提取 3．1信号预处理 3．1．1下采样 3．1．2滤波处理 3．1．3数据归一化 3．2统计特征提取 3．2．1统计特征提取方法 3．2．2统计特征 3．3小波特征提取 ．．14 3．3．1小波变换理论 14 3．3．2小波特征 16 3．4小结 ．．1 8 第4章特征选择优化算法及分类器设计 ．1 9 4．1序列后向选择算法 19 4．2蚁群优化算法及其改进算法 20 4．2．1蚂蚁系统简介 20 4．2．2蚁群算法简介 22 4．2．3最大最小蚂蚁系统 23 4．2．4改进的蚁群算法 ．24 4．3分类器设计 4．3分类器设计 26 4．3．1设计线性分类器的主要步骤 ．26 4．3．2 K近邻分类器设计 27 4．3．3 Fisher分类器设计 ．29 4．4基于蚁群算法的特征选择及分类过程 3 1 4．5小结 ．．32 第5章情感识别实验结果与分析 。33 5．1呼吸信号的情感识别 33 5．2实验结果及分析 33 5．2．1后向选择算法情感识别结果及分析 34 tr蜀 5．2．2基本蚁群算法情感识别结果及分析 34 5．2．3最大最小蚂蚁算法情感识别结果及分析 35 5．2．4改进的算法情感识别结果及分析 ．35 5．3情感选择方法对比分析 36 5．4情感特征分析及最优特征组合 ．37 5．5小结 ．．42 第6章总结与展望 ．43 6．1总结 。43 6．2展望 ．．43 参考文献 ．45 附 录 49 致 谢 57 研究生期间研究成果及发表的学术论文 ．．58 奈 2 著特征的概念，给出了6种不同情感对应的显著特征，同时研究了代表不同情感的最优特征子 著特征的概念，给出了6种不同情感对应的显著特征，同时研究了代表不同情感的最优特征子 集。基于呼吸信号的情感识别过程主要包括五个步骤：采集数据、数据预处理、特征提取、 特征选择、情感分类。本论文对每一步骤都做了详细介绍。 本论文所做的主要工作有以下几部分： 1．本实验采集了所需的呼吸信号。在实践中，采集了后续研究中所需的6种不同情感的数 据。并通过归类整理，初步建立了一个呼吸信号的原始信号数据库。实验中使用一些蕴含着 丰富情感的视频来诱发被试的真实情感。本研究实验全部都是本校大一学生自愿参加的。 2．对采集的呼吸信号进行预处理，并且提取相关的特征(包括统计特征以及小波特征)。 实验对采集到的原始呼吸信号数据进行了各种数据预处理操作，主要包括去噪、滤波、归一 化等。前期研究中发现只有统计特征的情况下对情感识别效果不是很好，所以增加提取了小 波特征。实验最后总共提取了171个特征，包括87个统计特征和84个小波特征。 3．运用蚁群算法(Ant Colony Optimization,ACO)进行特征选择。蚁群算法是一个新兴的 ● 现代智能算法，应用广泛，可以很好地用来解决一些离散组合优化问题。本文对基本蚁群算 一◆ —’～ J 法做了一些改进并用到基于呼吸信号的情感识别中。具体改进是将局部搜索和变异策略引入 到蚁群优化算法中，结合Fisher分类器进行情感识别，不仅获得了的较好效果，并且提供了 识别情感状态的有效特征子集。 关键字：情感识别 呼吸信号蚁群算法小波变换后向选择 1基金项目：国家自然科学基金(NationalNatural ScienceFoundation ofChinaNo；国家重点学科基础 心理学科研基金(The National Key Subject Foundation for Basic Psychology No．NKSF07003)． I A 句 .、‘ Affective Affective Computing means that computers ar e endowed with human emotion,勰well嬲the ability to understand the state of human emotion and the ability to recognize it．Affection Recognition is an important branch of Affective Computing,which is one basis to establish harmonious human—machine environment．The study of Affection Recognition covers speech sou