改進(jìn)的支持向量機(jī)用于脈搏信號(hào)的情感識(shí)別研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩67頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著社會(huì)的發(fā)展,人機(jī)交互的理論和技術(shù)日益成熟,應(yīng)用范圍已然深入到人類生活的各個(gè)領(lǐng)域。情感識(shí)別研究是人機(jī)交互的一個(gè)重要分支,計(jì)算機(jī)能夠?qū)崟r(shí)的識(shí)別人類的情感,并可以作出相應(yīng)的情感調(diào)節(jié),這對(duì)營(yíng)造一個(gè)和諧的人機(jī)交互環(huán)境具有重要作用。脈搏信號(hào)是生理信號(hào)的一種,其本身蘊(yùn)含著豐富的生理病理信息,因此,基于脈搏信號(hào)的情感識(shí)別研究具有重要意義。情感識(shí)別中分類器的好壞直接影響識(shí)別的準(zhǔn)確性,支持向量機(jī)的關(guān)鍵參數(shù)如懲罰因子C、核函數(shù)參數(shù)γ取不同值時(shí),分類器的性

2、能受到了很大影響。本文采用群智能優(yōu)化算法對(duì)支持向量機(jī)參數(shù)進(jìn)行自動(dòng)尋優(yōu),將螢火蟲(chóng)算法應(yīng)用于支持向量機(jī)關(guān)鍵參數(shù)的優(yōu)化中,使情感的識(shí)別率比未經(jīng)任何處理的支持向量機(jī)高出7.9%。論文主要從以下幾個(gè)部分展開(kāi)基于脈搏信號(hào)的情感識(shí)別研究:
  (1)設(shè)計(jì)了一塊光電式脈搏信號(hào)采集板,制定了一個(gè)較為合理的采集方案,采集了在校健康大學(xué)生的脈搏信號(hào)共80個(gè)樣本作為實(shí)驗(yàn)的數(shù)據(jù)庫(kù),為后續(xù)研究工作奠定了基礎(chǔ)。
  (2)采用經(jīng)驗(yàn)?zāi)B(tài)分解(Empiric

3、al Mode Decomposition,EMD)算法對(duì)采集到的脈搏信號(hào)進(jìn)行預(yù)處理,針對(duì)EMD算法存在的端點(diǎn)效應(yīng)影響分解結(jié)果的問(wèn)題,本文采用最大相關(guān)性延拓的方式對(duì)其進(jìn)行改進(jìn)。結(jié)果表明,改進(jìn)的EMD在一定程度上抑制了端點(diǎn)效應(yīng),得到了較為理想的去噪效果。從脈搏信號(hào)中提取與情感密切相關(guān)的三類特征,即統(tǒng)計(jì)值特征、脈圖面積特征量K值及經(jīng)驗(yàn)?zāi)B(tài)能量熵特征。
  (3)闡述了支持向量機(jī)及其關(guān)鍵參數(shù)(C和γ)對(duì)分類器性能的影響,分析了傳統(tǒng)參數(shù)優(yōu)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論