动态情感分析模型样本处理方法及装置制造方法及图纸

本发明专利技术实施例提供了一种动态情感分析模型样本处理方法及装置、计算机设备以及计算机可读存储介质，该方法中在被测对象观看视频的过程中采集了被测对象的脉搏信号以及皮肤电阻信号，接着对脉搏信号以及皮肤电阻信号进行预处理获取对应的功率谱值、近似熵值以及模态能量商值，最后将功率谱值、近似熵值以及模态能量商值作为动态情感分析模型的样本输入到支持向量机中进行分类。从而相比于现有的模型建立方法，本发明专利技术实施例提供的方法用于进行建模的更为多元化，且对建模样本进行了有效的预处理，能够有效提升建立的模型的准确性，提高模型识别人类情感的准确率。

Sample processing method and device for dynamic affective analysis model

The embodiment of the invention provides a dynamic analysis model of emotion sample processing method and device, computer device and computer readable storage medium, the method in the process of the measured object videos were collected in the object to be measured pulse signal and skin resistance signals, then obtain the corresponding pretreatment power spectrum value and approximate entropy and the value of the modal energy taking pulse signal and skin resistance signals, the power spectrum value, approximate value as the dynamic emotion analysis model of the sample input to the support vector machine to classify entropy and modal energy quotient. As compared with the existing models, the method provided by the embodiment of the invention is used for modeling is more diversified, and the modeling samples were pretreated and effective, can effectively improve the accuracy of the model, improve the accuracy of the model of human emotion recognition.

【技术实现步骤摘要】
动态情感分析模型样本处理方法及装置
本专利技术涉及软件
，具体涉及一种动态情感分析模型样本处理方法及装置。
技术介绍
随着计算机技术的日益发展，人们对于计算机技术的应用也越发的多元化，例如可以利用计算机技术来对人类的情感进行自动识别。目前，许多学者对于情感自动识别都进行了一定深入的研究。一些学者提出了一种基于面部表情的情感计算建模系统，利用摄像头采集测试者面部信息,建立个性化情感知识库,给出测试者的情感状态。另一些学者提供了一种相关性分析及蚁群优化算法用于脉搏信号的情感识别研究，获取脉搏信号进行建模分析。还有一些学者提出基于TM_EMD的脉搏信号多模态特征情感识别方法，通过提取脉搏信号不同特征来分析和辨别不同情感状态。然而，在实施本专利技术实施例的过程中专利技术人发现，现有的这些情感自动识别的建模方法中，用于进行建模的模型样本单一，也未进行适应性处理，从而影响模型识别的准确度。
技术实现思路
本专利技术实施例的目的在于提供一种动态情感分析模型样本处理方法及装置。第一方面，本专利技术实施例提供了一种动态情感分析模型样本处理方法，获取被测对象在观看视频的过程中的产生的第一信号，所述第一本文档来自技高网...

【技术保护点】
一种动态情感分析模型样本处理方法，其特征在于，包括：获取被测对象在观看视频的过程中的产生的第一信号，所述第一信号包括被测对象的脉搏信号和/或皮肤电阻信号；对第一信号进行降噪处理；以所述第一信号作为原始数据，获取所述第一信号对应的功率谱值，获取所述第一信号主波期间时间序列对应的近似熵值，获取所述第一信号对应的模态能量商值；将所述功率谱值、近似熵值以及模态能量商值作为所述动态情感分析模型的样本输入到支持向量机中进行分类训练。

【技术特征摘要】
1.一种动态情感分析模型样本处理方法，其特征在于，包括：获取被测对象在观看视频的过程中的产生的第一信号，所述第一信号包括被测对象的脉搏信号和/或皮肤电阻信号；对第一信号进行降噪处理；以所述第一信号作为原始数据，获取所述第一信号对应的功率谱值，获取所述第一信号主波期间时间序列对应的近似熵值，获取所述第一信号对应的模态能量商值；将所述功率谱值、近似熵值以及模态能量商值作为所述动态情感分析模型的样本输入到支持向量机中进行分类训练。2.根据权利要求1所述的方法，其特征在于，以所述第一信号作为原始数据，获取所述第一信号对应的功率谱值，包括：根据如下公式获取第一信号对应的功率谱值：其中，X(k)为第一信号，PPER为第一信号的功率谱值。3.根据权利要求1所述的方法，其特征在于，以所述第一信号作为原始数据，获取所述第一信号主波期间时间序列对应的近似熵值，包括：根据如下步骤获取主波期间时间序列对应的近似熵值：步骤一、定义第一信号的原始数据序列为x(1)、x(2)、x(3)…x(N)共N个点；步骤二、将原始数据按照序号顺序依次组成具有m维的一组矢量：从X(1)到X(N-m+1)，其中，X(i)＝[x(i),x(i+1),…,x(i+m-1)](i＝1～N-m＝1)，该矢量包含原始数据的第i个点以后的连续m个x值；步骤三、计算X(i)，X(j)两矢量对应元素中差值最大的一个并将其定义为矢量X(i)和X(j)间的距离，其中i和j为元素序号，i,j＝1～N-m+1,j！＝i，即：d[X(i),X(j)]＝maxk＝0-m-1[|x(i+k)-x(j+k)|]X(i)，X(j)两矢量中其他对应元素之间的差值均小于d，并对并对每一个i值循环计算X(i)与其它矢量X(j)之间的距离d[X(i)，X(j)]；步骤四、给定阈值r，对每个i<N-m+1的值，计算d[X(i),X(j)]小于r的个数及其与计算所得的距离总数N-m的比值，记作即：步骤五、求取的对数，再求该值对全部i的均值，记作：φm(r)步骤六、把维数增加1，变成m+1，重复步骤二至步骤五，得到以及φm+1(r)；步骤七、得到原始数据序列的近似熵值：4.根据权利要求1所述的方法，其特征在于，以所述第一信号作为原始数据，获取所述第一信号对应的模态能量商值，包括：根据如下步骤获取所述第一信号对应的模态能量商值：步骤一、搜索第一信号的数据序列的局部极大值序列Xmax和局部极小值序列Xmin；步骤二、根据三次样条插值方法结合所得到的Xmax和Xmin确定原始数据集的上下包络线；步骤三、根据得到的上下包络线，计算原始数据X(t)在对应位置的局部均值m11(t)，并计算原始数据与局部均值的差，记为h11＝X(t)-m11(t)；步骤四、以h11代替X(t)循环步骤一至三，直到h1k-1与h1k之间的方差小于设定的阈值，即认为以h1k是原始数据的IMF分量，则c1＝h1k，r1(t)＝X(t)-c1，X(t)＝r1(t)；步骤五、重复步骤一至四，直到rn或cn小于设定阈值；或余量rn(t)变成单调函数，则结束原始数据EDM的分解，得到：式中ci为原始数据第i个IMF分量，rn为趋势项；按照上述步骤一至五所述的分解方法，将采集到的脉搏信号x(n)分解成k个固有模态分量c1(t)，c2(t)…，ck(t)，然后按照下式计算出每个IMF分量的模态能量商值：由于分解信号能量幅度较大，对模态能量进行归一化处理，令：得到归一化的能量：最终得到模态能量商值如下：5.一种动态情感分析模型样本处理装置，其特征在于，包括：获取单元，用于获取被测对象在观看视频的过程中的产生的第一信号，所述第一信号包括被测对象的脉搏信号和/或皮肤电阻信号；降噪单元，用于对第...

【专利技术属性】
技术研发人员：孙晓，洪涛，丁帅，杨善林，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34