基于深度学习算法的正负性情绪识别研究

• 作者: 乔晓艳 喻一梵
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 小波去噪 栈式自编码 脉搏信号 心电信号 情感识别
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 信号检测、算法与仿真
• 页码范围: 398-403
• 页数: 6页
• 分类号: TP391
• 字数: 4271字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2017.05.005

摘要

为探究感知正性情绪(高兴、惊奇、自豪、感动)和负性情绪(愤怒、悲伤、恐惧、厌恶)时,人体生理信号特征变化,并依此进行情感识别,设计了视频诱发情感的实验范式.利用多导生理仪同步采集人体脉搏和心电两种生理信号;采用中值滤波和小波去噪方法消除测量中的基线漂移和噪声干扰;通过差分阈值法进行峰值检测,提取心电和脉搏波特征;设计栈式自编码深度学习算法,利用神经网络分类器实现正负性情绪分类识别.基于心电信号特征或脉搏信号特征,4种正性情绪的平均识别正确率分别为83.16％和81.66％,4种负性情绪的平均识别率分别为90.33％和86.33％,4种正负性混合情绪的平均识别率分别达到87.86％和85.28％.结果表明:采用栈式自编码深度学习算法,基于脉搏和心电生理信号特征,均可以有效识别正负性情绪,并且心电特征相比脉搏特征在正负性情绪识别方面更优越,该方法可以应用于情感机器人的研究中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔晓艳	山西大学物理电子工程学院	57	477	10.0	19.0
2	喻一梵	山西大学物理电子工程学院	1	4	1.0	1.0