改进粒子群优化BP神经网络的心理压力识别算法

摘要：

为提高心理压力的识别率,提出一种改进的粒子群优化BP(back propagation)神经网络的压力识别算法.该算法在基本粒子群(particle swarm optimization,PSO)模型的基础上,引入了收缩因子,在收缩因子的作用下,使速度的边界限制消失,选取适当的参数来保证PSO算法的有界和收敛特性,实现对BP神经网络的优化.利用心算任务进行压力诱发,采集高压、低压状态下的心电信号,提取了与心理压力相关的心率变异性特征值,并对特征数据对比分析;建立了心理压力程度的分类模型,通过改进的PSO模型优化BP神经网络以识别心理压力.结果表明:改进的粒子群优化BP神经网络算法与BP神经网络相比收敛速度快、误差小且识别率高,该算法对心理压力的识别率可达94.83％,识别效果优于未优化的BP神经网络算法.

关键词：粒子群、BP神经网络、心率变异性、收缩因子

所属期刊栏目：20

分类号：TP301.6(计算技术、计算机技术)

资助基金：陕西省自然科学基础研究计划2018JQ5009

在线出版日期：2020-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1467-1472