改進的支持向量機用于脈搏信號的情感識別研究.pdf

1、隨著社會的發(fā)展，人機交互的理論和技術日益成熟，應用范圍已然深入到人類生活的各個領域。情感識別研究是人機交互的一個重要分支，計算機能夠實時的識別人類的情感，并可以作出相應的情感調節(jié)，這對營造一個和諧的人機交互環(huán)境具有重要作用。脈搏信號是生理信號的一種，其本身蘊含著豐富的生理病理信息，因此，基于脈搏信號的情感識別研究具有重要意義。情感識別中分類器的好壞直接影響識別的準確性，支持向量機的關鍵參數(shù)如懲罰因子C、核函數(shù)參數(shù)γ取不同值時，分類器的性

2、能受到了很大影響。本文采用群智能優(yōu)化算法對支持向量機參數(shù)進行自動尋優(yōu)，將螢火蟲算法應用于支持向量機關鍵參數(shù)的優(yōu)化中，使情感的識別率比未經任何處理的支持向量機高出7.9％。論文主要從以下幾個部分展開基于脈搏信號的情感識別研究：
　　(1)設計了一塊光電式脈搏信號采集板，制定了一個較為合理的采集方案，采集了在校健康大學生的脈搏信號共80個樣本作為實驗的數(shù)據(jù)庫，為后續(xù)研究工作奠定了基礎。
　　(2)采用經驗模態(tài)分解(Empiric

3、al Mode Decomposition,EMD)算法對采集到的脈搏信號進行預處理，針對EMD算法存在的端點效應影響分解結果的問題，本文采用最大相關性延拓的方式對其進行改進。結果表明，改進的EMD在一定程度上抑制了端點效應，得到了較為理想的去噪效果。從脈搏信號中提取與情感密切相關的三類特征，即統(tǒng)計值特征、脈圖面積特征量K值及經驗模態(tài)能量熵特征。
　　(3)闡述了支持向量機及其關鍵參數(shù)(C和γ)對分類器性能的影響，分析了傳統(tǒng)參數(shù)優(yōu)