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(shù)日益成熟，應(yīng)用范圍已然深入到人類生活的各個領(lǐng)域。情感識別研究是人機交互的一個重要分支，計算機能夠?qū)崟r的識別人類的情感，并可以作出相應(yīng)的情感調(diào)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(zhǔn)確性，支持向量機的關(guān)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(yīng)用于支持向量機關(guān)鍵參數(shù)的優(yōu)化中，使情感的識別率比未經(jīng)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(shè)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(xué)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(chǔ)。
　　(2)采用經(jīng)驗?zāi)B(tài)分解(Empiric

3、al Mode Decomposition,EMD)算法對采集到的脈搏信號進行預(yù)處理，針對EMD算法存在的端點效應(yīng)影響分解結(jié)果的問題，本文采用最大相關(guān)性延拓的方式對其進行改進。結(jié)果表明，改進的EMD在一定程度上抑制了端點效應(yīng)，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(guān)的三類特征，即統(tǒng)計值特征、脈圖面積特征量K值及經(jīng)驗?zāi)B(tài)能量熵特征。
　　(3)闡述了支持向量機及其關(guān)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)