作者：
蔡 靖，袁守國，李 銳，徐夢輝
作者機關：
1.吉林大學 儀器科學與電氣工程學院，吉林 長春130061。
摘要：
情緒與人類的行為、家庭及社會密切相關。情緒不僅能反映人類的各種感覺、思想和行為，而且也是各種外部刺激所産生的心理和生理反應，是以在很多領域中對情緒的正确識别十分重要。情緒的變化會導緻腦電圖(EEG)信号發生變化，反之，這些變化也反映了情緒狀态。基于DEAP資料庫，對EEG信号進行時域特征和頻域特征提取，通過PCA主成分分析法對特征進行降維處理。利用權重KNN算法進行5折交叉驗證訓練，最終對興奮(excited)、放松(relaxed)、沮喪(depressed)、憤怒(angry)4種情緒狀态的識别準确率達到80%。
引言：
情緒是人們對客觀事物的一種回報方式，更是人們情感的表現方式，故而情緒識别被廣泛應用于人工智能、心理學、情感計算、計算機視覺和醫學治療等領域[1]。生理信号是由人體内的自主神經系統活動而産生的，既不會受到人為意志的控制，也不會被僞裝，可以客觀地反映人體的生理和心理活動狀态，因而可以作為一種能夠較準确判斷情緒狀态的依據。随着科學技術的發展，基于生理信号(腦電、心電、脈搏、呼吸、皮溫、肌電、皮膚電導)的情緒識别的研究取得了大量的成果。文獻表明，與大腦活動最密切的EEG信号可以最真實地反映出人的情緒狀态[2]。
近年來，基于腦電信号的情緒識别是目前關于情緒研究領域和人機互動領域的熱門課題。Pane等人提出了一種将情緒側化和整體學習相結合的政策，對DEAP資料集采用随機森林的方法進行分類，分類準确率為75.6%[3]；Verma等人基于DEAP資料庫使用支援向量機(Support Vector Machine，SVM)進行多模态情緒識别[4]；Kolodyazhniy利用K-近鄰算法和交叉驗證的方法對34名參與者的資料集進行分析，對恐懼、悲傷及中性3種情緒狀态的識别準确率最高達73.2%[5]。但這些方法識别情緒種類不多且準确率較低，對此，本文提出一種采用權重KNN算法、基于DEAP資料庫的5折交叉驗證的方法實作對興奮(excited)、放松(relaxed)、沮喪(depressed)、憤怒(angry)4種情緒的準确識别，識别準确率高達80%。
文章來源：《電子技術應用》雜志9月刊
，下載下傳論文PDF
☞商務合作：☏ 請緻電 010-82306118 / ✐ 或緻件 [email protected]
點