留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

基于皮肤电导的非线性情感特征提取研究

上一篇

下一篇

程静,刘光远. 基于皮肤电导的非线性情感特征提取研究[J]. 西南大学学报(自然科学版), 2014, 36(6): 186-194.
引用本文: 程静,刘光远. 基于皮肤电导的非线性情感特征提取研究[J]. 西南大学学报(自然科学版), 2014, 36(6): 186-194.
Citation:

基于皮肤电导的非线性情感特征提取研究

  • 摘要: 皮肤电信号作为一种重要生理信号,已证明其中包含可靠情感信息.在实验室诱发情感生理信号过程中,采用2遍情感视频播放机制,在第二遍观看视频过程中获取了记录被试主观情绪体验的“情感重评按键文件”,据此可截取可靠的情感皮肤电信号.采用多种非线性分析方法,计算相应的非线性特征,如最大Lyapunov指数、关联维、近似熵、递归定量分析和多重去趋势波动分析等.基于所提取特征,采用多种分类器KNN,Fisher判别,SVM进行情感识别性能的比较研究,结果显示SVM 具有更好的分类精度.之后,采用SVM 分类器比较传统的统计特征与非线性特征在识别目标情感性能上的差异,结果表明非线性特征能获得更好的识别精度.研究结果显示,基于非线性特征构建情感识别模型是可行的.
  • 加载中
  • 加载中
计量
  • 文章访问数:  510
  • HTML全文浏览数:  143
  • PDF下载数:  2
  • 施引文献:  0
出版历程

基于皮肤电导的非线性情感特征提取研究

  • 1. 西南大学计算机与信息科学学院,重庆400715;2. 西南大学电子信息工程学院,重庆400715

摘要: 皮肤电信号作为一种重要生理信号,已证明其中包含可靠情感信息.在实验室诱发情感生理信号过程中,采用2遍情感视频播放机制,在第二遍观看视频过程中获取了记录被试主观情绪体验的“情感重评按键文件”,据此可截取可靠的情感皮肤电信号.采用多种非线性分析方法,计算相应的非线性特征,如最大Lyapunov指数、关联维、近似熵、递归定量分析和多重去趋势波动分析等.基于所提取特征,采用多种分类器KNN,Fisher判别,SVM进行情感识别性能的比较研究,结果显示SVM 具有更好的分类精度.之后,采用SVM 分类器比较传统的统计特征与非线性特征在识别目标情感性能上的差异,结果表明非线性特征能获得更好的识别精度.研究结果显示,基于非线性特征构建情感识别模型是可行的.

English Abstract

参考文献 (0)

目录

/

返回文章
返回