收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于蚁群算法的呼吸信号情感识别研究

林时来  
【摘要】:情感计算主要研究让机器和设备能够认知、交互、处理以及模仿人类的一些行为。情感计算是现代科技研究中的一个重要分支。情感计算的研究能够为将来各种人工智能的应用奠定一个扎实的基础。在情感计算中,有各种各样的信号数据可供研究,包括图像、语言、生理信号等。本文主要研究基于呼吸信号(Respiratory, RSP)的情感识别。 由于呼吸信号蕴含着丰富的情感状态信息,并且这些信息可能用来识别不同的情感状态。因此论文对采集到的呼吸信号在经过滤波、归一化等数据预处理后进行特征提取,并采用蚁群优化算法来进行基于呼吸信号的情感特征选择,取得了较好的识别效果。本文还提出了显著特征的概念,给出了6种不同情感对应的显著特征,同时研究了代表不同情感的最优特征子集。基于呼吸信号的情感识别过程主要包括五个步骤:采集数据、数据预处理、特征提取、特征选择、情感分类。本论文对每一步骤都做了详细介绍。 本论文所做的主要工作有以下几部分: 1.本实验采集了所需的呼吸信号。在实践中,采集了后续研究中所需的6种不同情感的数据。并通过归类整理,初步建立了一个呼吸信号的原始信号数据库。实验中使用一些蕴含着丰富情感的视频来诱发被试的真实情感。本研究实验全部都是本校大一学生自愿参加的。 2.对采集的呼吸信号进行预处理,并且提取相关的特征(包括统计特征以及小波特征)。实验对采集到的原始呼吸信号数据进行了各种数据预处理操作,主要包括去噪、滤波、归一化等。前期研究中发现只有统计特征的情况下对情感识别效果不是很好,所以增加提取了小波特征。实验最后总共提取了171个特征,包括87个统计特征和84个小波特征。 3.运用蚁群算法(Ant Colony Optimization, ACO)进行特征选择。蚁群算法是一个新兴的现代智能算法,应用广泛,可以很好地用来解决一些离散组合优化问题。本文对基本蚁群算法做了一些改进并用到基于呼吸信号的情感识别中。具体改进是将局部搜索和变异策略引入到蚁群优化算法中,结合Fisher分类器进行情感识别,不仅获得了的较好效果,并且提供了识别情感状态的有效特征子集。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 鲁舜;刘光远;;用自适应蚁群算法的生理信号情感状态识别[J];计算机应用;2009年S1期
2 吕聪颖,于哲舟,周春光,王康平,庞巍;动态自适应蚁群算法在二次分配问题中的应用[J];吉林大学学报(理学版);2005年04期
3 刘小梅;张君静;;蚁群优化算法基本原理及其应用[J];西部探矿工程;2008年10期
4 刘文;郑丽英;;基于蚁群算法的模糊C均值聚类[J];太原科技;2009年01期
5 孙云山;王学深;刘健;白婧;刘凯;赵冬青;;蚁群算法及其在物流系统中的应用研究[J];科技情报开发与经济;2010年16期
6 李方洁;刘希玉;;基于渐进蚁群算法的DNA多序列比对[J];网络安全技术与应用;2010年09期
7 于连伯;;蚁群算法的研究[J];江苏科技信息;2010年09期
8 陈烨;带杂交算子的蚁群算法[J];计算机工程;2001年12期
9 丁滢颍,何衍,蒋静坪;基于蚁群算法的多机器人协作策略[J];机器人;2003年05期
10 高尚;武器-目标分配问题的蚁群算法[J];计算机工程与应用;2003年03期
11 陈崚,沈洁,秦玲,陈宏建;基于分布均匀度的自适应蚁群算法[J];软件学报;2003年08期
12 纪竹亮,戴连奎;一种改进的自适应路由算法[J];计算机工程;2004年09期
13 杨燕,靳蕃,Mohamed Kamel;一种基于蚁群算法的聚类组合方法[J];铁道学报;2004年04期
14 闻育,吴铁军;求解复杂多阶段决策问题的动态窗口蚁群优化算法[J];自动化学报;2004年06期
15 许毅,李腊元;基于蚁群算法的QoS多播路由优化算法[J];计算机应用研究;2005年02期
16 王俊峰,朱庆保;基于蚁群算法的知识约简[J];南京师范大学学报(工程技术版);2005年02期
17 师凯,蔡延光,邹谷山,王涛;运输调度问题的蚁群算法研究[J];计算技术与自动化;2005年03期
18 胡燕海,叶飞帆;基于蚁群算法的平行流水作业计划方法[J];机械制造;2005年09期
19 冯远静,冯祖仁,彭勤科;一类自适应蚁群算法及其收敛性分析[J];控制理论与应用;2005年05期
20 肖伟;全惠云;;具有调和特性的蚁群改进算法[J];计算机工程与应用;2005年34期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
5 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
6 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
7 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
8 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
9 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
10 陈峻;沈洁;秦玲;;蚁群算法进行连续参数优化的新途径[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(下册)[C];2002年
中国博士学位论文全文数据库 前10条
1 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
2 郭乘涛;基于问题分解与蚁群算法的半导体晶圆制造系统调度方法的研究[D];上海交通大学;2012年
3 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
4 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
5 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
6 王翔;混合蚁群算法及其在管理优化中的应用[D];东华大学;2012年
7 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
8 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
9 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
10 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
中国硕士学位论文全文数据库 前10条
1 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年
2 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
3 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
4 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
5 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
6 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
7 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
8 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
10 李旭;应用点着色聚类改进蚁群算法[D];四川师范大学;2010年
中国重要报纸全文数据库 前10条
1 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
2 黄力行陶建华;多模态情感识别参透人心[N];计算机世界;2007年
3 中国科学院自动化研究所模式识别国家重点实验室 周密陶建华;与电脑面谈[N];计算机世界;2007年
4 蔡莲红 张迎辉;让人机交互更和谐[N];计算机世界;2007年
5 卢敬叁;医学计量———生命绿色通道[N];中国质量报;2003年
6 傅小兰;人机交互中的情感计算[N];计算机世界;2004年
7 上海交通大学医学院附属新华医院儿童与青少年保健科 张劲松;“超级捣蛋”的孩子 脑内藏玄机[N];健康报;2011年
8 张文清 记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年
9 本报记者 赵建国;“意念”控制技术让人们心想事成[N];中国知识产权报;2008年
10 奇云;“心语神探”看穿心底无需语言[N];大众科技报;2004年
中国知网广告投放
 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