检索结果

Select

1. 两类情感状态下心电与心率变异性信号的非线性分析

杨敏刘光远温万惠

计算机应用 2012, 32 (10): 2963-2965. DOI: 10.3724/SP.J.1087.2012.02963

摘要（882）

PDF （638KB）（447）

针对平静（无情感激发状态）和恐惧（有情感激发状态）这两类情感状态,采集了其心电信号数据样本,研究了有情感和没情感状态下心电信号中的情感信息。通过分析这两类情感状态下的心电信号的QT间期对RR间期的散点图、功率谱图的1/f分布以及心率变异性（HRV）信号的Poincare截面图,计算得到了这些非线性特征的关于两类情感状态的分类识别率,同时与心电信号统计特征的识别率做了对比。发现此种提取心电信号非线性特征的方法较于之前的统计特征方法,在识别有情感和没情感这两类情感状态时具有较好的识别效果。

参考文献 | 相关文章 | 多维度评价

Select

2. 模拟退火免疫粒子群算法在皮肤电信号情感识别中的应用

周钰婷刘光远赖祥伟

计算机应用 2011, 31 (10): 2814-2817. DOI: 10.3724/SP.J.1087.2011.02814

摘要（2231）

PDF （591KB）（675）

为了增强情感识别过程中皮肤电反应(GSR)信号特征选择的有效性,提出了一种改进的模拟退火免疫粒子群算法。首先,对342组被试6种情感的GSR信号进行去噪处理和原始特征提取;然后,将模拟退火机制引入到免疫粒子群(IPSO)算法的粒子更新过程中,使用新构造的模拟退火免疫粒子群(SA-IPSO)算法进行特征优化选择。实验表明:与IPSO相比,SA-IPSO能以较少特征获得较高的识别率,模拟退火机制的应用能更好地优化特征选择过程,且新的算法具有良好的全局收敛性能。

相关文章 | 多维度评价

Select

3. 双重结构粒子群和KNN在生理信号情感识别中的应用

程德福刘光远邱玉辉

计算机应用 2009, 29 (05): 1423-1429.

摘要（1383）

PDF （587KB）（1265）

将双重结构的粒子群(DSPSO)应用到生理情感特征的选择中，提高了特征选择效果和情感识别的正确率。提出了增量K多类KNN分类器解决KNN在分多类时出现的不可分现象并改善了多类识别的效果。通过4种生理信号(EMG、SC、ECG、RSP)来识别4种情感（joy、anger、sadness、pleasure），同传统的SFFS算法以及BPSO算法相比,识别率有了较大的提高。仿真结果表明,DSPSO能较好地完成生理情感特征的选择任务。