基于FCA-ReliefF的融合生理信号情绪识别研究

• 作者: 佘世刚 尹泽明 潘礼正 袁峥峥 赵路
• 来源期刊: 计算机测量与控制
• 关键词: 生理信号 特征融合 特征降维 情绪识别
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 设计与应用
• 页码范围: 179-183
• 页数: 5页
• 分类号: TP2
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.02.037

摘要

针对当前情绪识别研究中特征维数多、识别率不高的问题,提出了基于多生理信号(心电、肌电、呼吸、皮肤电)融合及FCA-ReliefF特征选择的情绪识别方法;通过将从时域和频域两个维度提取的生理信号特征进行融合,作为分类器的输入进行情绪分类;为了降低特征维度,首先进行特征相关性分析(FCA)删除相关性较大的特征;再通过ReliefF剔除分类贡献弱的特征,达到降低特征维度的目的;在公开的数据集上进行验证,并与相关研究进行对比;结果表明,提出的方法在特征维度及识别率两个方面均有优势;提出的FCA-ReliefF降维策略有效地将特征从108维减少到60维,并且将识别精度提高到98.40％,验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	佘世刚	常州大学机械工程学院	10	5	1.0	1.0
2	袁峥峥	常州大学机械工程学院	4	0	0.0	0.0
3	潘礼正	常州大学机械工程学院	12	24	3.0	4.0
7	尹泽明	常州大学机械工程学院	2	0	0.0	0.0
8	赵路	常州大学机械工程学院	1	0	0.0	0.0