基于改进的Relief F多生理信号情绪识别算法

作者:张晓丹; 杜金祥; 李涛; 佘翼翀; 赵瑞; 柯熙政; 康俊玮; 王舒仪
更新时间:

针对单一生理信号特征信息缺乏、个体特异性与全局阈值不匹配导致情绪识别准确率低的问题,提出了一种改进的Relief F匹配多生理信号特征选择算法。通过小波包分解多生理信号和情绪相关六个频带的重构,以及经验模式分解,提取了基于小波系数本征模函数分量和重构信号的八种特征。首先利用Relief F算法获得最优特征组,然后构造最优特征组权重,得到整体最优匹配特征组及其对应的匹配通道。采用概率神经网络结合全局最优匹配特征组训练情感分类模型。结果表明,该方法能较好地对快乐、愤怒、放松和悲伤四种情绪进行分类。平均识别准确率分别为90.89%、85.39%、82.81%和87.56%。与单个生理信号相比,平均改善率为1.76%,验证了该方法的有效性。