论文部分内容阅读
在信息科技飞速发展的当今世界，人们对计算机的服务要求也越来越高。人机交互领域也因此被寄予厚望而备受关注。情感计算作为一门涉及多领域的综合研究领域，为实现智能化的人机交互提供了有力的支撑。情感识别是情感计算的一个重要组成部分，是心理学、计算机科学、生理学等多个学科交叉的研究课题，有着重大的研究价值和广阔的应用前景。 情感识别的研究内容包括语音、姿势、表情、生理信号等方面。这之中，语音和表情等往往会受到个体的主观意识的控制，在某些情况下并不能够客观真实的反应人的情感状态。而生理信号只受人体的神经系统和内分泌系统的调控，能够完全独立于人的主观意识之外。生理信号携带者丰富的情感信息，其状态的变化能够为真实的体现人类的情感状态。目前，基于生理信号的情感识别已经成为研究者们广泛关注的一大研究课题。 本论文采用德国Augsburg大学的生理数据库针对基于多种生理信息融合的情感识别方法进行了研究，提取了了4种不同情感状态（高兴、愤怒、愉悦、悲伤）下的四种生理信号（心电信号、肌电信号、皮肤电导信号、呼吸信号）作为研究对象。在特征层融合方面，本文提出的一种基于主成分分析方法(PCA)与K近邻相结合的方法进行情感识别;在决策层融合方面，本文将四种生理信号分别作通过独立的分类器通道进行识别，通过个分类器的投票决策得出最终的识别结果。实验结果表明，本论文的方法是可行的。本研究对高兴情感的识别率达到98％，愤怒情感达到100％，悲伤情感达到82％，愉悦情感达到80％。与Augsburg大学的研究结果相比较，高兴、悲伤和愉悦三种情感识别率分别高出2％、9.27％和11.92％，本文的方法取得了较为理想的识别效果。