典型文献
基于全视域特征表征与ELM-Adaboost方法的情绪辨识研究
文献摘要：
情绪在人类的行为和认知中具有不可或缺的地位,开展情绪辨识研究具有非常重要的实际意义.为提高四类情绪多被试交叉辨识的准确性,提出了基于全视域特征表征与ELM-Adaboost的情绪辨识方法.首先,提出了基于融合信息的数据处理策略,交叉融合的多类生理信号构成的样本数据,有助于从全视域角度提取样本特征.其次,采用最大相关性最小冗余度的特征选择方法对融合后的特征进行选择,进而实现有效的情绪状态表征.最后,通过ELM-Adaboost方法构建的强分类器实现情绪状态辨识.多角度的实验分析研究充分证明了所提方法的有效性,四类情绪多被试交叉辨识准确率达到了 83.06％.
文献关键词：
情绪辨识;特征选择;极限学习机;分类器强化
中图分类号：
作者姓名：
潘礼正;王顺超;丁忆;宋爱国;曾洪
作者机构：
常州大学机械与轨道交通学院 常州 213164;东南大学仪器科学与工程学院 南京 210096
文献出处：
引用格式：
[1]潘礼正;王顺超;丁忆;宋爱国;曾洪-.基于全视域特征表征与ELM-Adaboost方法的情绪辨识研究)[J].仪器仪表学报,2022(11):162-171
A类：
情绪辨识,分类器强化
B类：
全视域,ELM,Adaboost,实际意义,四类,辨识方法,融合信息,数据处理策略,交叉融合,生理信号,样本特征,冗余度,特征选择,选择方法,情绪状态,状态表征,状态辨识,充分证明,极限学习机
AB值：
0.292761
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
