【技术实现步骤摘要】
情感识别模型生成装置及其生成情感识别模型的方法
本专利技术涉及情感识别技术,尤其涉及情感识别模型生成装置及其生成情感识别模型的方法。
技术介绍
情感识别是赋予机器识别人类情感能力的一种人机交互技术,现已逐渐成为人机交互领域的研究热点。目前情感识别的研究领域包括基于面部表情的情感识别、基于语音信号的情感识别、基于文字的情感识别、基于肢体运动的情感识别和基于生理信号的情感识别。其中基于生理信号的情感识别最为可靠但却也最为困难。基于生理信号的情感识别系统中最为关键的一步就是如何从大量的原始特征集中挑选出数量有限的特征子集并将其映射到情感模型上。这一关键的步骤就是特征选择,它不仅可以可以有效地去除冗余特征,降低模型训练时间,提高预测精度,还可以选出能够代表某些特定情感的特征子集。在申请号为CN200910150458.4的专利中,使用了语音信号进行情感识别。较之语音信号,人体的生理信号更不易受到外界因素和人体主观意识到控制,因此更加准确,可靠。然而,在该专利中,情感的识别需要12个特征。文献“UsingGA-basedFeatureSelectonforEmotionRecognitionfromPhysiologicalSignals”使用多生理信号进行情感识别,但是仅使用了来自28名被试的5种生理信号,以图片为情感激发素材,特征选择和情感分类的方法为遗传算法结合KNN分类器,但情感的识别率低,对情感的最高识别率仅为78%。
技术实现思路
有鉴于此,有必要提供一种情感识别模型生成装置及其生成情感识别模型的方法,提高情感的识别率。本专利技术提供的情感识别模型生成装置, ...
【技术保护点】
一种情感识别模型生成装置,包括:信号采集模块,用于采集人体的多种生理信号;特征提取模块,用于提取每一种所述生理信号的6个时域特征,形成原始特征集,其中,所述6个时域特征为:生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、生理信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值;选择模块,用于从所述原始特征集中选出最优特征子集;建立模块,用于根据所述最优特征子集建立情感识别模型。
【技术特征摘要】
1.一种情感识别模型生成装置,包括:信号采集模块,用于采集人体的多种生理信号;特征提取模块,用于提取每一种所述生理信号的6个时域特征,形成原始特征集,其中,所述6个时域特征为:生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、生理信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值;选择模块,用于从所述原始特征集中选出最优特征子集;所述选择模块包括:初始化子模块,用于将蚂蚁种群的规模设定为所述原始特征集中的特征数,将迭代次数设定为固定值,并初始化信息素矩阵;获取子模块,用于根据伪随机比例规则获取每一所述时域特征的标记状态;求解子模块,用于通过利用蚂蚁以及标记状态求解得到特征子集,其中,所述求解子模块还用于根据所述特征子集的分类正确率及特征个数得到第一适应度值,并排序选出第一最优解,并利用变异规则对所述第一最优解进行变异得到多个变异解,根据所述多个变异解以及所述第一最优解的分类正确率及特征个数得到第二适应度值,并排序选出第二最优解,利用邻域交换规则搜索所述第二最优解的邻域内的邻域解,根据所述邻域解以及所述第二最优解的分类正确率及特征个数得到第三适应度值,并排序选出第三最优解;判断子模块,用于判断迭代次数是否达到固定值,其中所述求解子模块在所述迭代次数达到固定值时将所述第三最优解作为最优特征子集,并输出;建立模块,用于根据所述最优特征子集建立情感识别模型。2.如权利要求1所述的情感识别模型生成装置,其特征在于,所述选择模块还包括:更新子模块,用于在所述迭代次数没有达到固定值时根据所述第三最优解更新所述信息素矩阵。3.如权利要求2所述的情感识别模型生成装置,其特征在于,所述伪随机比例规则为:其中s表示特征i的标记状态,τij表示时域特征i在状态j时的信息素浓度,当j=1表示被选中,j=0表示不被选中,q为从[0,1]之间等概率选取的一个随机数,q0为一参数,其中0≤q0≤1。4.如权利要求3所述的情感识别模型生成装置,其特征在于,所述获取子模块在q≤q0时根据信息素浓度值τi0和τi1的大小得到所述时域特征i的标记状态,在q>q0时根据得到所述时域特征i的标记状态。5.如权利要求1所述的情感识别模型生成装置,其特征在于,所述变异规则为所述求解子模块改变所述第一最优解中至少一个所述时域特征的标记状态,然后对所述改变后的第一最优解求变异解。6.如权利要求1所述的情感识别模型生成装置,其特征在于,所述邻域交换规则为所述求...
【专利技术属性】
技术研发人员:张慧玲,魏彦杰,彭丰斌,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。