10.16526/j.cnki.11-4762/tp.2020.02.037
基于FCA-ReliefF的融合生理信号情绪识别研究
针对当前情绪识别研究中特征维数多、识别率不高的问题,提出了基于多生理信号(心电、肌电、呼吸、皮肤电)融合及FCA-ReliefF特征选择的情绪识别方法;通过将从时域和频域两个维度提取的生理信号特征进行融合,作为分类器的输入进行情绪分类;为了降低特征维度,首先进行特征相关性分析(FCA)删除相关性较大的特征;再通过ReliefF剔除分类贡献弱的特征,达到降低特征维度的目的;在公开的数据集上进行验证,并与相关研究进行对比;结果表明,提出的方法在特征维度及识别率两个方面均有优势;提出的FCA-ReliefF降维策略有效地将特征从108维减少到60维,并且将识别精度提高到98.40%,验证了方法的有效性.
生理信号、特征融合、特征降维、情绪识别
28
TP2(自动化技术及设备)
国家自然科学基金;常州市科技支撑计划
2020-05-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
179-183