基于深度学习算法的正负性情绪识别研究

摘要：

为探究感知正性情绪(高兴、惊奇、自豪、感动)和负性情绪(愤怒、悲伤、恐惧、厌恶)时,人体生理信号特征变化,并依此进行情感识别,设计了视频诱发情感的实验范式.利用多导生理仪同步采集人体脉搏和心电两种生理信号;采用中值滤波和小波去噪方法消除测量中的基线漂移和噪声干扰;通过差分阈值法进行峰值检测,提取心电和脉搏波特征;设计栈式自编码深度学习算法,利用神经网络分类器实现正负性情绪分类识别.基于心电信号特征或脉搏信号特征,4种正性情绪的平均识别正确率分别为83.16％和81.66％,4种负性情绪的平均识别率分别为90.33％和86.33％,4种正负性混合情绪的平均识别率分别达到87.86％和85.28％.结果表明:采用栈式自编码深度学习算法,基于脉搏和心电生理信号特征,均可以有效识别正负性情绪,并且心电特征相比脉搏特征在正负性情绪识别方面更优越,该方法可以应用于情感机器人的研究中.

关键词：小波去噪、栈式自编码、脉搏信号、心电信号、情感识别

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目81403130;山西省自然科学基金资助项目201601D102033

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：398-403