检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

多生理信号与情绪关联度的研究与分析

多生理信号与情绪关联度的研究与分析

作者：车敏诗长春大学

学位级别：硕士

在国内外,目前关于生理信号与情绪关联程度的研究成果相对匮乏,明确这两者之间的关联度有助于提高情绪识别的准确率,本文针对多种生理信号与情绪的关联程度进行研究与分析。本文采用德国Augsburg大学数据库和中国东南大学MPED数据库中... 详细信息

在国内外,目前关于生理信号与情绪关联程度的研究成果相对匮乏,明确这两者之间的关联度有助于提高情绪识别的准确率,本文针对多种生理信号与情绪的关联程度进行研究与分析。本文采用德国Augsburg大学数据库和中国东南大学MPED数据库中的情绪生理数据,将喜、怒、哀情绪下的心电、呼吸、皮电数据作为本文的研究对象。首先,提取相关情绪数据的最大李雅普诺夫指数、分形维和复杂度三种混沌特征;其次,基于Augsburg大学数据和MPED数据,分别采用灰色关联分析法和多元逻辑回归法完成关联度研究和结果分析。为了提高情绪识别的准确性,本文对情绪识别算法进行优化,采用引导聚集(Bagging)方法优化CHAID决策树算法,在此基础上,基于改进的Bagging-CHAID决策树算法,对所采用的心电、呼吸、皮电数据进行情绪识别,并对识别结果与关联度结果进行综合分析。研究结果表明:1)基于不同数据库(Augsburg大学数据库和MPED数据库)使用相同的关联分析法,得到的关联程度相同;2)与优化前的CHAID决策树相比,优化后的CHAID决策树,即Bagging-CHAID决策树的情绪分类性能更好,并获知使用呼吸信号识别喜、怒、哀获得的正确率最高,皮电次之,心电识别三种情绪的正确率最低;3)基于同一数据库使用不同的关联分析法(灰色关联分析法和多元逻辑回归法),获得的关联度不相同,但是实验表明使用灰色关联分析法得到的结果更接近客观结果;4)基于灰色关联分析法获得的生理信号与情绪关联程度为呼吸信号与喜、怒、哀关联度最大,皮电信号次之,心电信号与此三种情绪的关联度最小。

关键词：生理信号情绪关联度

一种基于混沌特征及优化CHAID决策树的情绪识别方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用研究 2020年第S2期37卷 105-107页

作者：车敏诗聂春燕范如俊杨承金阮新磊长春大学电子信息工程学院长春130022

基于生物电产生的生理信号进行情绪识别,并将其应用于医疗、人工智能等领域,具有巨大的发展前景。生理信号是非线性信号,不易被处理,且常常因为样本数量少而难以进行情绪识别,为解决此问题,针对皮肤电导信号(SC)、心电信号(ECG)、呼吸信... 详细信息

基于生物电产生的生理信号进行情绪识别,并将其应用于医疗、人工智能等领域,具有巨大的发展前景。生理信号是非线性信号,不易被处理,且常常因为样本数量少而难以进行情绪识别,为解决此问题,针对皮肤电导信号(SC)、心电信号(ECG)、呼吸信号(RSP),提出一种新的情绪识别方法,该方法基于生理信号的最大李雅普诺夫指数、复杂度和盒维数三种混沌特征,同时构建CHAID(chi-square automatic interaction detection)决策树并对其优化。采用德国Augsburg大学国际生理信号数据库作为数据来源进行喜、怒、哀三种情绪识别,在此基础上,采用引导聚集算法对CHAID决策树模型进行优化,提高其稳定性。研究结果表明,基于优化后的CHAID决策树的情绪识别率和结果置信度等各项指标明显高于优化前的CHAID决策树,优化后喜、怒、哀三种情绪的识别率分别为88%、100%、100%。

关键词：混沌特征 CHAID决策树情绪识别

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

心电信号去噪效果的评估与分析

计算机工程与应用 2022年第1期58卷 300-312页

作者：杨承金聂春燕车敏诗阮新磊范如俊长春大学电子信息工程学院长春130022 杭叉集团股份有限公司研发部杭州311305

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信... 详细信息

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明:(1)对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;(2)当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。

关键词：心电信号(ECG) 多噪声去噪效果

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于灰色关联法的生理信号与情绪关联度研究

计算机工程与应用 2021年第11期57卷 168-172页

作者：车敏诗聂春燕杨承金阮新磊范如俊长春大学电子信息工程学院长春130022

明确生理信号与情绪的关联度对提高情绪识别正确率起重要作用,然而目前关于两者的关联度研究成果比较少。为研究生理信号与情绪的关联度,采用德国Augsburg大学生理信号数据库的数据,基于灰色关联法研究喜、怒、哀情绪与心电、呼吸、皮... 详细信息

明确生理信号与情绪的关联度对提高情绪识别正确率起重要作用,然而目前关于两者的关联度研究成果比较少。为研究生理信号与情绪的关联度,采用德国Augsburg大学生理信号数据库的数据,基于灰色关联法研究喜、怒、哀情绪与心电、呼吸、皮肤电导信号的关联度,在此基础上,根据关联度结果采用CHAID决策树和SVM分类法进行情绪识别与分析。研究结果表明:(1)喜、怒、哀3种情绪与呼吸信号关联度最高,与皮肤电导关联度次之,与心电关联度最低;(2)基于CHAID决策树和SVM对3种情绪下的3种生理信号进行情绪识别,验证了喜、怒、哀与心电、呼吸、皮肤电导信号的关联程度。

关键词：情绪生理信号关联度灰色关联分析法