一种用于心电特征选择的禁忌搜索方法技术

本发明专利技术公开了一种用于心电特征选择的禁忌搜索方法，包括如下步骤：采用序列后向算法，形成一个N-1行，N列的二维表L，其中N为选择的特征总维数，每一列代表一个特征，每一行称为一个空间，其中第n个空间选择有n个特征，1≤n≤N-1；表内每个元素的值用“0”或“1”表示，“0”代表在进行特征选择时该元素没有被选中，“1”代表该元素被选中；对每一空间内的选中的特征采用禁忌搜索算法进行求解，得到每个空间的解组成的表S；选择各个空间中适应度函数最大的作为最终特征选择结果。本发明专利技术采用在禁忌搜索算法中采用划分空间的方法结合Fisher分类器完成选择过程，克服了基本禁忌搜索算法容易陷入局部最优的缺点。

【技术实现步骤摘要】

本专利技术涉及一种生理信号情感识别方法，尤其涉及一种心电特征选择方法
技术介绍
情感识别是情感计算领域中的一个重要组成部分，如果要让计算机能从面部、姿势、语音和生理信号中识别出人类的情感，首先必须让计算机能识别情感，所以情感识别就显得非常重要。情感识别主要包括肢体情感识别、面部表情情感识别和语音情感识别和生理信号情感识别等方面。在“心率变异性在心身疾病和情绪障碍研究中的应用(心理学进展，2006，14 (2) :261-265) ”一文中，提出面部表情、语言姿势等流露出来的情感状态主要受神经系统控制，容易受到主观意识的控制。而生理信号是伴随着人的情感变化由人体内部器官产生的一种生物电信号，不易受主观意识的控制，所以更能客观真实的反映人的情感状态，更有鲁棒性和客观性，但基于生理信号情感识别的研究最困难的。心电(ECG)信号是重要的生理信号之一，在“Affective PatternClassification (Perceptual Computing Section Technical Report, 1998,473)，，一文中，美国MIT实验室的Picard教授采用四种生理信号(EMG、ECG、GSR、RSP)率先证明从生理信号中提取特征模式来进行情感识别是有效的，并且研究表明，ECG信号能够体现情感状态的变化，从中提取的特征能够反映情感状态的差异。由于心电、心率信号的研究技术相当成熟，而且在人们在经历情感变化时，心电信号会有不同程度的变化趋势，因此，以心电信号作为研究对象进行情感识别的学者举不胜举。在“Affective Wearable (In Proceedingsof the FirstInternational Symposium on Wearable Computers, Oct,1997, Cambridge,MA) ” 一文中，美国的麻省理工学院媒体实验室曾经从心电信号P-QRS-T波各波的间隔、幅度等计算六种统计特征(均值、中值、方差、最大值、最小值和范围)采用SFFS、Fisher投影特征选择算法和DFA、QDF分类器对8种情感进行分类，取得了较好的识别结果。在“EmotionRecognition System using Short-term Monitoring of Physiological Signals (MedicalBiology Engine Computer, 2004,42 :419-427) ” 一文中，韩国的 K. H. Kim 采集 175 个被试的情感心电信号通过一定的设计方法，直接从心电信号提取出心率信号以及心率变异率信号(HRV)，从中提取特征后直接用支持向量机(SVM)对悲伤、愤怒、压力和惊奇四种情感进行分类；德国奥森堡大学的多媒体与信号处理实验室也是主要从心电信号提取出特征，着重比较了用SBS、SFS、AN0A这些特征选择方法和KNN、LDF、MLP不同分类器相结合的情感识别效果，并研究发现较低的心率变异率(HRV)表明是放松的状态，而增强的HRV表明可能是精神紧张和受到挫折的状态。在特征选择中，研究者大多采用传统的特征选择方法，有得甚至直接将提取的特征用于情感分类；而分类器的选择也是根据经验选择分类效果好的分类器，所以各种各样的分类器也就被应用在情感分类中。对特征的提取也多采用提取统计特征的方法。在特征选择中，采用传统的禁忌搜索算法，常常会引发维数灾难，导致特征选择不能覆盖在所有可能的解，使得最终特征选择出的结果不为最优解。
技术实现思路
本专利技术的目的是提供一种有效避免维数灾难的用于心电特征选择中禁忌搜索方法。本专利技术为实现上述目的，采用如下技术方案，其特征在于所述方法包括如下步骤采用序列后向算法，形成一个N-I行，N列的二维表L，其中N为选择的特征总维数，每一列代表一个特征，每一行称为一个空间，其中第n个空间选择有n个特征，I^ n ^ N-I ;表内每个元素的值用“0”或“I”表示，“0”代表在进行特征选择时该元素没有被选中，“I”代表该元素被选中； 对每一空间内的选中的特征采用禁忌搜索算法进行求解，得到每个空间的解组成的表S;选择各个空间中适应度函数最大的作为最终特征选择结果。其中每个空间中禁忌搜索算法的步骤为SI :初始设禁忌表T = ，设置禁忌长度，设置最大迭代步数；将此空间内通过序列后向算法得到的值作为初始解，并把它作为该空间的暂定全局最优解Bestsofar和迭代搜索的起点，即当前局部最优解cand,计算初始解的适应度函数/ = ^iratA2+ratB )^ ;其中ratA和ratB分别代表目标情感的正确识别率和非目标情感的正确识别率；S2:判断是否满足最大迭代步数的停止准则，如满足则终止该空间的计算，将把Bestsofar放入表S中，结束此空间计算；如不满足，则将当前局部最优解cand为下次的迭代起点；S3 :生成N个与该空间具有相同特征选择个数的候选解集；S4 :寻优计算出每个候选解的适应度函数f的值，从候选解集中选出适应度函数值最大的解，将该解与禁忌表中的解比较；如果该解不在禁忌表中，将其中较大的值作为当前局部最优解和Bestsofar的值；则转S5 ；如果该解在禁忌表中，且不满足特赦准则，将适应度函数值第二大的解作为局部最优解；如果该解在禁忌表中，且满足特赦准则，将禁忌表中的该解提前释放，并作为局部最优解，并将该解的适应度函数值与Bestsofar的适应度函数值比较，如大于，则用该解作为Bestsofar ;其中特赦准则指的是，禁忌表中的某个值在迭代过程中作为局部最优解出现规定次数；S5 :更新禁忌表将当如局部最优解与入禁忌表，转S2。所述S3步骤中生成候选解集的方法为分别将cand的第i位cand(i)值变为l-cand(i),从第i位的下一位开始查找,遇到值等于l_cand(i)的p位，将其值变为l-cand(p)后结束；若P = N,则P从I开始继续查,遇到值等于l_cand(i)的p位,将其值变为l-cand(p)后结束；其中I彡i彡N，I彡P彡N，N为特征总维数。本专利技术采用在禁忌搜索算法中采用划分空间的方法结合Fisher分类器完成选择过程，克服了基本禁忌搜索算法容易陷入局部最优的缺点。实验仿真结果表明，将相关性分析和改进的智能优化算法用于生理信号的情感识别领域是完全可行的。说明书附I为Fisher分类器中中间数据分布图；图2为Fisher分类器中最终测试数据分布图。具体实施方式 下面结合附图和具体实施例对本专利技术作进一步的阐述。一种基于心电信号的情感识别特征选择方法，包括下列步骤I.情感心电信号数据采集流程；实验设备采用美国Biopac公司提供的多导生理记录仪MP150。实验对象为年龄17-20岁本科一年级的391个在校学生，所有预约被试自愿参加本实验，身体健康，无心脏疾病和精神疾病病史。实验素材是从大量电影中挑选出的分别对高兴、惊奇、厌恶、悲伤、愤怒、恐惧六种情感具有很好诱发效果的片段。实验前，主试要让被试填写个人信息、自愿测试的同意书和一份测试被试是否有述情障碍的问卷调查。实验过程中，每个情感诱发片段后会让被试填写问卷调查来测试其是否有该种情感，并用5个尺度(如I代表“很弱”，5代表“很强”本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：刘光远，邱红，
申请(专利权)人：西南大学，
类型：发明
国别省市：