文章目录

0 引 言

1 数据来源和情感标签选择

1.1 DEAP数据集

1.2 情感标签选择

2 皮肤电信号特征提取

2.1 时域特征提取

2.2 频域特征提取

2.3 非线性特征提取

3 情绪分类模型

3.1 决策树算法

3.2 随机森林算法

4 结果与分析

4.1 仿真结果与模型评价指标

    4.1.1 模型评价指标

    4.1.2 仿真结果

4.2 结果分析

    4.2.1 情感标签阈值对分类结果的影响

    4.2.2 分类算法对情绪识别结果的影响

    4.2.3 与其他方法比较

5 结束语

文章摘要:为了提高维度模型生理信号情绪识别准确率和泛化能力,本文基于DEAP维度情感生理数据集,提取皮肤电信号时域统计特征、功率谱特征、小波包熵特征,分别采用决策树和随机森林算法在唤醒度和效价两个情感维度进行情绪分类.通过选取合适的维度情感标签阈值,有效提高机器情绪识别准确率和稳健性;利用情绪诱发状态与自然状态下的皮肤电信号的差值进行归一化处理,消除个体差异,提高模型的泛化能力;采用多特征融合并基于集成学习的随机森林算法,获得更好的情绪识别性能.在唤醒度维度上的分类准确率Acc和F1值分别为92.0%和0.933,在效价维度上的分类准确率Acc和F1值分别为90.9%和0.925.仿真实验表明,基于树模型的机器学习方法可以实现维度情绪的准确识别,该研究可用于可穿戴设备生理信号情绪自动分析和机器识别.

文章关键词:

项目基金: