基于全视域特征表征与ELM-Adaboost方法的情绪辨识研究

摘要：

情绪在人类的行为和认知中具有不可或缺的地位,开展情绪辨识研究具有非常重要的实际意义.为提高四类情绪多被试交叉辨识的准确性,提出了基于全视域特征表征与ELM-Adaboost的情绪辨识方法.首先,提出了基于融合信息的数据处理策略,交叉融合的多类生理信号构成的样本数据,有助于从全视域角度提取样本特征.其次,采用最大相关性最小冗余度的特征选择方法对融合后的特征进行选择,进而实现有效的情绪状态表征.最后,通过ELM-Adaboost方法构建的强分类器实现情绪状态辨识.多角度的实验分析研究充分证明了所提方法的有效性,四类情绪多被试交叉辨识准确率达到了 83.06％.

关键词：情绪辨识、特征选择、极限学习机、分类器强化

所属期刊栏目：43

分类号：TP391;TH7(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江苏省研究生科研与实践创新计划项目

在线出版日期：2023-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：162-171