典型文献
基于改进的Relief F多生理信号情绪识别算法
文献摘要：
针对单一生理信号特征信息不足以及个体特异性与全局阈值不匹配导致的情绪识别正确率低的问题,提出了一种改进的Relief F匹配多生理信号特征选择算法.通过小波包分解多生理信号并重构与情绪相关的6个波段,以及经验模态分解提取基于小波系数和重构信号本征模函数分量的8类特征;使用Relief F算法先获得优选特征组,再构建优化特征组权重获得全局最优匹配特征组,以及与其对应的匹配通道;并采用概率神经网络结合全局最优匹配特征组训练情绪分类模型.结果表明:该方法能够较好地对愉悦、愤怒、放松、悲伤4类情绪进行分类,其平均识别正确率分别为90.89％、85.39％、82.81％、87.56％,对比单一生理信号平均提升了 1.76％,验证了此方法的有效性.
文献关键词：
多生理信号;情绪识别;小波包分解;经验模态分解;概率神经网络
中图分类号：
作者姓名：
张晓丹;杜金祥;李涛;佘翼翀;赵瑞;柯熙政;康俊玮;王舒仪
作者机构：
西安工程大学电子信息学院,陕西 西安710048;西安电子科技大学生命科学技术学院,陕西西安710071;西安理工大学 自动化与信息工程学院,陕西西安710054
文献出处：
引用格式：
[1]张晓丹;杜金祥;李涛;佘翼翀;赵瑞;柯熙政;康俊玮;王舒仪-.基于改进的Relief F多生理信号情绪识别算法)[J].西安工程大学学报,2022(02):40-48
A类：
B类：
Relief,多生理信号,情绪识别,识别算法,信号特征,特征信息,全局阈值,特征选择算法,小波包分解,波段,经验模态分解,于小波,小波系数,重构信号,本征模函数,再构,重获,全局最优,匹配特征,概率神经网络,组训,情绪分类,分类模型,愉悦,愤怒,放松,悲伤
AB值：
0.316421
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。
