【技术实现步骤摘要】
一种基于联合范数的情感识别方法
本专利技术涉及情感识别领域，特别是涉及一种基于联合范数的情感识别方法。
技术介绍
情感在人们生活中的决策，交流和感知活动中扮演着重要的角色，是一种十分基础的认知活动。在近年的人机交互研究中，人与机器之间的情感互动得到广泛的关注，并且出现了大量的应用。例如，在医学行业对特殊心理患者的治疗，在销售行业对顾客消费体验的分析，在汽车行业对驾驶者的疲劳检测，还有在游戏行业对玩家的兴奋程度的反馈等等。因此，对情感状态进行准确地识别显得尤为重要。为了对情感状态进行有效的识别，首先需要构建合适的情感模型对情感进行量化。目前较为的流行的两类模型是：离散模型和维度模型。离散模型通过具有代表的词汇来定义情感，如Panksepp等人提出的四种基础情感中包括恐惧、期望、愤怒、惊慌；而Frijda提出可以将基本的情感划分为希望、高兴、兴趣、惊讶、好奇、伤心这六种类别。但由于情感的复杂性使得离散模型并不能很好的区分较为暧昧的情感，于是以Rusell提出的valence-arousal维度模型得到了发展。以valen...
【技术保护点】
1.一种基于联合范数的情感识别方法，其特征在于，包括：/n采集样本数据；所述样本数据为脑电数据；/n提取所述样本数据的特征，构成特征矩阵；/n基于l
【技术特征摘要】
1.一种基于联合范数的情感识别方法，其特征在于，包括：
采集样本数据；所述样本数据为脑电数据；
提取所述样本数据的特征，构成特征矩阵；
基于l2，1联合范数和BP神经网络，对所述特征矩阵进行特征选择；
基于选择后的特征，通过支持向量机分类模型实现情感的识别。
2.根据权利要求1所述的基于联合范数的情感识别方法，其特征在于，所述基于l2，1联合范数和BP神经网络，对所述特征矩阵进行特征选择，具体包括：
将所述特征矩阵中每个特征进行正态分布标准化，获得标准化特征矩阵X；将所述标准化特征矩阵X作为BP神经网络的输入层数据；
对所述BP神经网络的相邻神经元层之间的系数矩阵进行零均值初始化，获得所述BP神经网络的输入层和第一个隐藏层之间的权重系数矩阵W；所述BP神经网络的各隐藏层的偏置神经元权值设为零；
对所述BP神经网络的输入层和第一个隐藏层进行前向传播过程，获得下一层的输入数据；按所述BP神经网络的路径将获得的输入数据依次传播到最终输出层，获得输出层的输出数据；
根据所述输出层的输出数据对应的矩阵与所述特征矩阵的对应标签矩阵Y，获得所述BP神经网络的损失函数将所述权重系数矩阵W的l2，1联合范数作为惩罚项代入所述BP神经网络的损失函数，得到更新后的损失函数
根据所述更新后的损失函数进行梯度下降运算，对权重系数矩阵W进行更新；且对其它权重系数矩阵进行更新，完成所述BP神经网络的后向传播过程，迭代至更新后的损失函数收敛；
计算迭代后的权重系数矩阵W中每个特征的l2范数，根据所有特征的l2范数的大小选择特征数据。
3.根据权利要求2所述的基于联合范数的情感识别方法，其特征在于，所述标准化特征矩阵X为：
X＝[x1，x2，...，xn]T，X∈Rn×d，其中，n代表包含n个数据样本，每一个数据样本包含了d个特征，xi为输入层第i个神经元输入数据，且有i∈(0，d]。
4.根据权利要求3所述的基于联合范数的情感识别方法，其特征在于，所述BP神经网络输入层和第一个隐藏层之间的权重系数矩阵为：
其中b代表第一个隐藏层的神经元数量，wij为输入层第i个神经元和相邻隐藏层第j个神经元之间的连接权重系数，其中j∈(0，b]。
5.根据权利要求2所述的基于联合范数的情感识别方法，...
【专利技术属性】
技术研发人员：邬霞，范馨予，徐雪远，张家才，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11
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。