基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究

摘要：

为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法.该方法通过 SAE 对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别.通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.7926.实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别.

关键词：多模态生理信号情感识别、栈式自编码神经网络、长短周期记忆循环神经网络、多模态生理信号融合

所属期刊栏目：38

分类号：TP181;TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目61420106005;国家重点基础研究发展计划基金资助项目2014CB744600;国家国际科技合作专项基金资助项目No.2013DFA32180The National Natural Science Foundation of China61420106005;The National Basic Research Program of China2014CB744600;The International Science & Technology Cooperation Program of China2013DFA32180

在线出版日期：2018-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：109-120