基于改进的Relief F多生理信号情绪识别算法

• 作者: 张晓丹 杜金祥 李涛 佘翼翀 赵瑞 柯熙政 康俊玮 王舒仪
• 学科: 工学
• 关键词: 多生理信号 情绪识别 小波包分解 经验模态分解 概率神经网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电子信息与机电工程
• 页码范围: 40-48
• 页数: 8页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.13338/ji.ssn.1674-649x.2022.02.006

摘要

针对单一生理信号特征信息不足以及个体特异性与全局阈值不匹配导致的情绪识别正确率低的问题,提出了一种改进的ReliefF匹配多生理信号特征选择算法。通过小波包分解多生理信号并重构与情绪相关的6个波段,以及经验模态分解提取基于小波系数和重构信号本征模函数分量的8类特征;使用ReliefF算法先获得优选特征组,再构建优化特征组权重获得全局最优匹配特征组,以及与其对应的匹配通道;并采用概率神经网络结合全局最优匹配特征组训练情绪分类模型。结果表明:该方法能够较好地对愉悦、愤怒、放松、悲伤4类情绪进行分类,其平均识别正确率分别为90.89%、85.39%、82.81%、87.56%,对比单一生理信号平均提升了1.76%,验证了此方法的有效性。