改进的支持向量机用于生理信号的情感识别

【摘要】论文将改进的支持向量机用于基于生理信号的情感识别。支持向量机作为一种具有坚实数学基础的分类器在情感计算领域被广泛的使用。但是,支持向量机的三个关键参数——核函数参数σ、惩罚系数γ和损失参数ε对识别效果的影响很大,而如何基于情感识别的特点对这些参数进行针对性的改进尚未引起足够的重视。因此,本文以改进用于情感识别的支持向量机为目标,引入两种群智能算法用以优化支持向量机的关键参数。仿真实验表明,优化的支持向量机识别效果提升明显,使最高正确识别率(TPR)达到85.6%,命中率与误报率的差值(TPR-FPR)达到57.1%,同时运算速度与默认参数的支持向量机相近。最终基于优化的支持向量机实现了情感的实时识别。具体工作步骤如下：(1)制定可靠的情感诱发与生理信号采集方案。本方案采用美国BIOPAC公司的生理信号记录仪MP150作为主采集设备,采集心电、皮肤电、脉搏等生理信号。为得到有效的唤起素材,通过反复的评价、对比,从大量视频中筛选出了用于唤起目标情感的视频片段；为确保被试在情感唤起之前处于平静,在播放视频之前会播放轻音乐与风景画；为得到准确的情感唤起时间,采用了情感记录按钮、主试问询以及视频监控三种方式,来精准锁定情感唤起的时间;被试观看视频后须填写调查问卷来说明自己的唤起情感以及唤起强度。(2)建立情感生理信号样本库。招募超过200名身体健康、无心理疾病的大一学生志愿者作为被试,通过唤起实验,分别采集Happy(高兴)、Grief(悲伤)、Fear(恐惧)、Anger(愤怒)四种情感的生理信号,并以观看风景画时的平静情感为对照情感。根据情感锁定按钮的记录以及被试问询文件,准确锁定时长为15秒的情感唤起时间段,建立情感生理信号样本库。(3)构建两种智能算法优化的支持向量机。构建两种改进的群智能算法——模拟退火优化的粒子群算法和模拟退火优化的蚁群算法,并用改进后的智能算法分别优化支持向量机,得到两种新的优化的支持向量机。(4)通过对比选择最优的支持向量机。用得到的两种优化的支持向量机对生理信号样本库中的数据进行分类,并与默认参数支持向量机以及模拟退火优化的支持向量机比较,根据分类效果选出最优的分类算法。(5)构建先进的实时情感识别系统。基于得到的优化的支持向量机,以及BIOPAC公司的采集设备,开发出与MP150配合使用的实时情感识别系统,并预留情感调节接口。情感识别效果良好,平均识别率达到78.9%,平均TPR-FPR达到49.4%,是一套能够有效的实时识别人类情感的系统,为实现实时情感调节打下了基础。实验结果表明：(1)智能算法优化的支持向量机能够明显优化该分类器的分类效果,能明显提高情感识别的准确度；(2)粒子群算法优化的支持向量机比蚁群算法优化的效果明显,识别效果更优；(3)情感实时识别的效果与所取时间窗长度有关,其中5秒长度的时间窗效果较好。
【作者】李强；
【导师】刘光远；
【作者基本信息】西南大学，信号与信息处理，2014，硕士
【关键词】群智能算法；支持向量机；实时识别；情感计算；生理信号；

【参考文献】
[1]张仁贵,张福山,李志成.高炉炉渣粒化新工艺的开发[J].炼铁.2001(06)
[2]柴箭.辐射特性模型对机舱火灾模拟的影响[D].江苏科技大学,轮机工程,2013,硕士.
[3]刘蓉媛.外汇暴露对企业利润影响的管理控制模型研究[D].东北大学,会计学,2010,硕士.
[4]张静.微博对大学生的影响与对策研究[D].南京师范大学,思想政治教育,2012,硕士.
[5]余洋.造纸填料覆膜改性技术及其在高填纸中的应用[D].浙江理工大学,材料加工工程,2013,硕士.
[6]余龙.基于振动响应信号的复合材料层合壳体结构遗传算法损伤检测[D].西北工业大学,工程力学,2004,硕士.
[7]汪双兔.云环境下基于信任的入侵防御研究与分析[D].广东工业大学,计算机科学与技术,2014,硕士.
[8]肖洁.论房屋租赁关系中权利冲突的认定及解决[D].吉林大学,法律,2013,硕士.
[9]邓集祥,陈武晖,贺建明.应用模态级数3阶解析解分析大干扰低频振荡机理[J].电力系统自动化,2007,22:27-30.
[10]张鹏.高钼对绵羊睾丸组织的病理损伤及生殖功能的影响[D].河南科技大学,基础兽医学,2013,硕士.
[11]洪海舟.CD烟草公司精确营销发展研究[D].电子科技大学,工商管理（专业学位）,2012,硕士.
[12]何圣康.基于Android智能手机的心音身份识别系统[D].杭州电子科技大学,通信与信息系统,2014,硕士.
[13].贲圣林:金融创新与互联网金融的国际实践[J].经理人,2014,09:112-113.
[14]田小翠.纳米复合材料的制备及其在电化学方面的应用研究[D].南昌大学,2014.
[15]汪廷彩.南瓜黄色素中叶黄素的纯化及特性研究[D].浙江大学,食品科学,2004,硕士.
[16]王悦.聚合物水溶液双振荡网格湍流实验研究[D].哈尔滨工业大学,流体力学,2013,硕士.
[17]冉为.基于坡印亭矢量的输电导线无功功率计算及影响因素分析[D].重庆大学,电气工程,2014,硕士.
[18]梁战平,梁建.数字时代情报学的学科走向[J].郑州大学学报(哲学社会科学版),2005,04:7-9+14.
[19]何耀,张陈斌,刘兴涛,陈宗海.基于信息融合的LiFePO_4动力电池组SOC估计[J].控制与决策,2014,01:188-192.
[20]周纯秀.冰雪地区橡胶颗粒沥青混合料应用技术的研究[D].哈尔滨工业大学,2006.
[21]张志华,张志兵,肖慈珣.一种自构神经网络及其在测井资料解释中的应用[J].石油地球物理勘探,1997,03:418-427+462.
[22]朱印.改善初中生同伴关系的实证研究[D].曲阜师范大学,心理健康教育（专业学位）,2013,硕士.
[23]黄艳.超声弹性应变率比值法与磁共振及其联合应用对乳腺良恶性肿物鉴别诊断价值的比较[D].广西医科大学,影像医学与核医学（专业学位）,2013,硕士.
[24]张士林,毛海军,邵龙潭.粗糙集不协调率的研究[J].计算机工程与应用,2003,18:49-50+198.
[25]杨敏,邱菀华,娄晓琪.允许主体通过抽样获取信息的MG模型性质的研究[J].控制与决策,2004,04:420-423+428.
[26]眭冬青.清代流官对右江流域文化的改造[D].广西师范大学,中国古代史,2013,硕士.
[27]汪淳.XK2535镗铣床工作面导轨温度场分析及实验研究[D].湖北工业大学,机械工程（专业学位）,2013,硕士.
[28]乔宏,夏禾,杜宪亭.基于Duhamel积分的车桥耦合动力分析方法[J].西南交通大学学报,2014,05:766-771.
[29]李翔,李育敏,高海燕,章昱,计建炳.簧片液哨组合水力空化器的性能[J].化学反应工程与工艺,2012,06:493-498.
[30]宋英波.沙河口区初中教师参与学校管理的调查研究[D].黑龙江大学,教育管理,2013,硕士.
[31]潘雯.癌症相关创伤后应激障碍临床心理特征与心率变异性的相关研究[D].苏州大学,精神病与精神卫生学,2013,硕士.
[32]张立明.数据挖掘之道[J].数字化工,2004,07:100.
[33]郑舟舟.论猥亵犯罪的立法完善[D].吉林大学,法律,2014,硕士.
[34]К·鸟佐夫,物探局研究所综合物探组.用于沉积盆地勘探的大地电磁测深法[J].石油地球物理勘探,1973,06:41-82.
[35]张叶.四川省直工委电子党务安全系统的设计与实现[D].电子科技大学,软件工程（专业学位）,2012,硕士.
[36]周华.邓小平社会主义市场经济理论对列宁新经济政策思想的继承与提升[D].辽宁师范大学,马克思主义理论与思想政治教育,2003,硕士.
[37]汪洪.重整化群方法的发展及对t-J模型的应用[D].安徽大学,理论物理,2004,硕士.
[38]余惠平.干扰Notch2对神经胶质瘤抑制的研究[D].南方医科大学,外科学（专业学位）,2014,博士.
[39]郭宗阁.碳纳米管增强钢基复合材料力学性能有限元分析[D].沈阳工业大学,固体力学,2012,硕士.
[40]高嘉.加强和改进常德市社区管理研究[D].湖南大学,公共管理,2013,硕士.
[41]林娜.房地产信托若干法律问题研究[D].福州大学,社会学,2004,硕士.
[42]罗可,林睦纲,郗东妹.数据挖掘中分类算法综述[J].计算机工程,2005,01:3-5+11.
[43]周永光.DH公司发展战略研究[D].广东工业大学,工商管理,2013,硕士.
[44]刘红智.初中文言文阅读教学策略研究[D].河北师范大学,学科教学,2014,硕士.
[45]蒋俊.猴头菌多糖提取、脱色工艺及生物活性的研究[D].南京农业大学,微生物学,2012,硕士.
[46]李军.论康德的道德情感[D].吉林大学,外国哲学,2014,硕士.
[47]刘润波.外贸企业网络营销的研究[D].哈尔滨工程大学,2004.
[48]刘文旭.集中供热系统量化管理优化控制应用研究[D].北京建筑大学,供热、供燃气、通风及空调工程（专业学位）,2013,硕士.
[49]毕怀河.G3汽车催化剂差异化营销研究[D].苏州大学,工商管理（专业学位）,2014,硕士.
[50].浙江工业大学[J].中国高教研究,2013,10:2.