收藏本站
收藏 | 论文排版

基于深度神经网络的生理信号数据情感识别方法研究

于广亮  
【摘要】:基于生理信号数据的情感识别建模越来越引起学术界和工业界的关注,比如快速发展的干电极技术,各种各样的脑机接口应用等。但是在基于生理信号数据情感识别分类建模的具体的过程中,有很多的问题。以脑电数据(EEG)为例,由于EEG是一种不稳定的电压信号,情绪的波动所引起的EEG信号的变化是瞬时性的。在基于传统机器学习方法进行建模过程中,需要人工设计特征并对生理信号数据进行特征抽取,同时还需要尽心消耗时间和空间的特征选择流程。针对每组信号,存在数据高维度,样本量较小,但是标签不变的问题,相同时间段内用户情绪有多种情绪变化,但是人工标记的标签却一致。在情感识别研究中引入深度神经网络改变了以往的建模过程,深度神经网络能够实现自动的特征提取和选择,在不同层次不同的数据表示形式,表征提取的特征,方便后期的特征融合。同时相对于传统的人工设计特征,深度神经网络能够提取更加复杂丰富的特征信息。本文的工作主要有以下三个方面:首先,介绍基于生理信号数据的情感识别模型前期数据采集和实验设计工作,包括如何选择激发情绪的刺激材料,实验范式,以及被试者自助打分评估方案。其次,主要介绍情感识别建模的流程和后期分类的机器学习算法。基于机器学习建模的情感识别分类的流程有:数据预处理特征抽取和选择,分类算法这主要比较了集中常见机器学习算法的思想以及详细介绍了深度神经网络中的深度置信网络和卷积神经网络。最后,对基于传统方法对脑电数据进行特征抽取,后续采用不同的机器学习算法进行分类,得出随机森林方法效果最优,分析了不同算法效果差异性的原因,后续针对生理信号数据本身通道数目不一,采样频率高,高分辨率,高维度等特点,结合深度学习,首先构建了多通道深度置信网络模型,效果优于传统方法,并结合深度置信网络分析了相关优势。其次,结合卷积神经网络的特点,提出将单通道信号数据转化为递归图,多通道进行时频分析转化为通道-功率谱表示形式,使用卷积神经网络进行类似图像识别过程,分类准确率与对比实验相比在不同的情感维度分类任务中分别提升了5%-9%。验证了对信号数据进行重编码为图像后在进行识别的可行性。为下一步的采用卷积神经网络进行多模态建模的提供可能。拓展了基于深度神经网络对生理信号数据进行情感识别的方法。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 陈华荣;;BP神经网络在生理信号异常预警中的运用[J];福建质量管理;2016年05期
3 苏治;卢曼;李德轩;;深度学习的金融实证应用:动态、贡献与展望[J];金融研究;2017年05期
4 温明莉;赵轩;蔡梦倩;;基于深度学习的端到端验证码识别[J];无线互联科技;2017年14期
5 邓凝旖;沈志强;郭跃飞;;基于类别先验与深度神经网络特征的显著性检测[J];计算机工程;2017年06期
6 李文鹏;高宇菲;钱佳佳;陈曦;;深度学习在量化投资中的应用[J];统计与管理;2017年08期
7 钱岳;丁效;刘挺;陈毅恒;;聊天机器人中用户出行消费意图识别方法[J];中国科学:信息科学;2017年08期
8 叶佳音;郑文明;李阳;蔡友谊;崔振;;基于深度神经网络的多模态情感识别(英文)[J];Journal of Southeast University(English Edition);2017年04期
9 孙晓;潘汀;;基于兴趣区域深度神经网络的静态面部表情识别[J];电子学报;2017年05期
10 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
11 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
12 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
13 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
14 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
15 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
16 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 徐鹏;基于深度学习的结构健康监测[D];暨南大学;2017年
2 韩韬;基于深度学习的柔性压力阵列信息的压缩采样、重构和预测[D];东华大学;2018年
3 刘宏建;基于网络诱导不完全信息的几类离散时滞随机忆阻神经网络的稳定性及状态估计问题研究[D];东华大学;2018年
4 肖伟;神经网络技术在大气激光信道反演分析及信道编码译码中的应用研究[D];武汉大学;2018年
5 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
6 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
7 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
8 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
9 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
10 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
中国硕士学位论文全文数据库 前10条
1 于广亮;基于深度神经网络的生理信号数据情感识别方法研究[D];天津大学;2017年
2 石颖;基于循环神经网络的语音识别方案的优化与设计[D];北京交通大学;2017年
3 唐瑜;基于矩阵束和神经网络两种方法的多径干扰抑制研究[D];厦门大学;2017年
4 齐照辉;基于TensorFlow的卷积神经网络应用[D];武汉大学;2018年
5 陈健;基于深度学习的汉字笔迹自动比较检验与鉴别研究[D];浙江理工大学;2019年
6 张玮;基于深度学习的织物面料成分分类算法研究[D];浙江理工大学;2019年
7 罗梦研;基于卷积神经网络的女装图像分类算法研究[D];浙江理工大学;2019年
8 陈霄凌;基于卷积神经网络的图像识别及在Spark平台的实现技术研究[D];云南大学;2017年
9 刘芳;合体女西装样板的自动生成[D];浙江理工大学;2019年
10 别海楠;铝合金6061微铣削加工有限元仿真研究[D];东北大学;2017年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978