国家重点学科基础心理学科研基金项目(NKFS07003)
- 作品数：6 被引量：28H指数：3
- 相关作者：刘光远赖祥伟陈曾吴光华林时来更多>>
- 相关机构：西南大学更多>>
- 发文基金：国家重点学科基础心理学科研基金项目国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术更多>>
- 用自适应蚁群算法的生理信号情感状态识别被引量：3
- 2009年
- 针对生理信号的情感识别问题,将蚁群优化算法用于情感生理信号特征选择,并采用自适应的适应度参数值、变异策略和临近位置交换策略对算法进行改进,使用K近邻法进行情感分类,以获得较高的识别率和有效特征组合。通过四种生理信号(EMG、SC、ECG、RSP)来识别四种情感(joy、anger、sadness、pleasure),实验仿真结果表明,将蚁群优化算法引入情感识别的研究是可行的。
- 鲁舜刘光远
- 关键词：情感识别蚁群算法自适应生理信号
- 改进的禁忌搜索算法在肌电信号情感识别中的应用被引量：1
- 2012年
- 针对基于肌电(EMG)信号的情感识别问题,提出了一种新颖的特征选择方法。该方法用相关性分析对原始特征降维,再利用改进的禁忌搜索算法结合Fisher分类器,对高兴、厌恶、悲伤、惊奇、愤怒和恐惧6种肌电信号的情感进行特征选择。实验结果表明,该方法能以较少的特征获得较高的识别率。
- 邱红刘光远赖祥伟
- 关键词：情感识别肌电信号禁忌搜索算法
- 蚁群算法在呼吸信号情感识别中的应用研究被引量：5
- 2011年
- 针对生理信号的情感识别问题,将蚁群优化算法用于呼吸信号(RSP)特征选择,并采用自适应的适应度参数值、变异策略和临近位置交换策略对算法进行改进,使用Fisher进行情感分类,获得了较高的识别率和有效特征组合。采集了212个被试6种不同情感(高兴、惊奇、厌恶、悲伤、愤怒、恐惧)的呼吸信号数据进行仿真实验,识别效果最好的是高兴情感,最好识别率达到了92.06%,平均识别率达到了84.43%。实验仿真结果表明,将蚁群优化算法引入基于呼吸信号的情感识别研究是可行的。
- 林时来刘光远张慧玲
- 关键词：情感识别蚁群算法
- 免疫机制对皮肤电信号情感特征选择的影响被引量：5
- 2010年
- 以带有典型情感色彩的视频片段为情感诱发素材,采集皮肤电(galvanic skin response,GSR)信号构成了情感识别研究的初始数据库,并在该数据库的基础上研究了免疫机制对识别过程中的特征选择的影响。首先从GSR信号中提取了30个统计特征,并用平静状态下的相应特征值对其进行标准化;然后在混合粒子群算法(HPSO)的基础上增加免疫操作,形成免疫混合粒子群算法(immune hybrid particle swarm optimization,IH-PSO)进行特征选择,测试特征选择效果时,采用Fisher分类器进行分类;最后分别用两种算法选择出的特征组合进行了情感识别验证。验证结果显示,与HPSO相比,IH-PSO能以较少特征获得较高识别率,这说明免疫机制的应用能够使特征选择过程变得更优。
- 吴光华刘光远龙正吉
- 关键词：免疫机制情感识别混合粒子群
- 脑电信号在情感识别中的应用被引量：15
- 2010年
- 针对如何在情感识别中有效处理脑电信号和提取有用信息的问题,对实验采集的脑电信号进行小波包分解,通过对相关频段信号的重构,提取出脑电信号中能用于情感状态识别的β波节律,对其在不同情感状态下进行谱分析。仿真实验结果表明,将脑电信号中的β波节律用于情感状态识别是可行的。
- 陈曾刘光远
- 关键词：情感识别脑电信号小波包变换
- 量子粒子群和相关性分析在心电特征选择中的应用
- 2012年
- 针对心电(ECG)信号情感识别中特征选择的问题,首先运用相关性分析方法,去除原始特征集中的高相关度特征,实现原始特征集的降维;其次,为了在降维后的特征空间中进行有效的特征选择,提出了一种改进的二进制量子粒子群算法(SBQPSO)。实验结果表明,基于本算法结合Fisher分类器建立的ECG信号情感识别系统能够对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感达到良好的识别效果。
- 曹军刘光远赖祥伟
- 关键词：情感识别
