運用蟻群優(yōu)化算法篩選情感生理信號特征.pdf

1、情感在人類的感知、決策等過程中扮演著重要角色。近年來隨著人工智能的發(fā)展，情感智能與計算機技術結合產(chǎn)生了情感計算這一嶄新的研究課題，這將大大地促進計算機技術的發(fā)展。隨著人們在認知領域的不斷探索，在情感狀態(tài)領域的研究也將進一步的發(fā)展。目前，情感識別的信號多采用面部表情、身體姿態(tài)、語音，其結果一般會受到主觀因素的影響，而無法完全反映出真實的情感狀態(tài)。生理變化只受人的自主神經(jīng)系統(tǒng)和內(nèi)分泌系統(tǒng)支配，不受人的主觀控制，因此，采用生理信號作為情感識別

2、的研究對象，所得的數(shù)據(jù)更加客觀，也能更好的識別內(nèi)在的情感和情緒變化。美國MIT媒體實驗室情感計算研究小組的Picard教授率先從生理信號中提取特征來進行情感狀態(tài)識別方面的研究，證明了該方法是可行的。然而，現(xiàn)有的生理信號情感識別的研究中還存在較多的難題，如無法得到最有效的特征組合，且識別效果欠佳，魯棒性較差等。因此，在生理信號的情感識別研究中，仍有許多問題需加以解決，尤其是信號的特征選擇是情感識別中的一個重要問題。 蟻群優(yōu)化算法(

3、Ant Colony Optimization，ACO)是通過模擬自然界螞蟻覓食搜索路徑的行為，產(chǎn)生的一種新型的模擬進化算法，該算法不僅具有很好的魯棒性，良好的正反饋特性，并且具有并列分布計算的特點，并且蟻群優(yōu)化算法在沒有任何先驗知識的情況下比其他優(yōu)化算法的執(zhí)行效率要高，系統(tǒng)收斂速度要快。論文將ACO算法應用于生理信號的特征選擇問題，主要研究內(nèi)容如下： (1)生理信號的數(shù)據(jù)采集：實驗通過生理信號記錄儀(MP150)采集被試在高興

4、和悲傷狀態(tài)下的ECG信號，并隨機選取150組特征進行分析。 (2)生理信號的特征提?。簩υ嫉腅CG信號進行離散小波變換，去除帶外噪聲和基線漂移，提取ECG信號的高頻部分，計算統(tǒng)計特征；并在ECG信號中提取具有代表性的特征，構成原始特征矩陣。 (3)生理信號的特征選擇及分類：運用蟻群優(yōu)化算法與K近鄰分類算法相結合進行特征選擇和分類，識別高興和悲傷兩種情感狀態(tài)，得出分類情感狀態(tài)最有效的特征組合。 (4)對Augsb