（信号与信息处理专业论文）双重结构粒子群和k近邻法用于生理信号情感状态识别的研究.pdf

摘要 m _ m m mmmmr 皇曼曼鼍皇量寰曼墨置鼍 双重结构粒子群和k 近邻法用于生理信号 情感状态识别的研究 信号与信息处理专业硕士研究生程德福 指导教师刘光远教授 摘要 当代信息科学技术的飞速发展使得人类对计算机的依赖程度不断增强，人机交互能力 越米越受到研究者的重视。如何实现计算机的拟人化，使其能够感知周闱环境、气氛、对 象的态度、情感等内容，适时做出响应与并与用户进行和谐的情感交流，已成为“人机情 感交互”领域研究的一个热点课题。让计算机具有人类情感，首先就是要使计算机能够理 解人的情感状态，并改善计算机识别情感状态的能力，也就是进行情感计算。情感识别是 情感计算的一个关键问题，是建立和谐人机环境的基础之一。 情感计算是当前新兴的课题之一，它是关于情感方面的计算，目的是赋予计算机识别、 理解、表达和适应人情感的能力。情感识别是情感计算的一个重要组成部分，情感识别研 究的内容包括面部表情、语音、姿势、文本和生理信号识别等方面。生理信号是伴随着的 情感变化由人体内部器官产生的生物电信号，更能客观真实的反映出当时的情感状态。 e k m a n 等人通过所做的一系列实验得出的结论表明，至少对某些情感来说，其生理反应是 特异的，p i c a r d 教授带领的m i t 媒体实验小组证明应用生理信号对情感识别的方法是可行 的，因而为生理信号情感识别的进一步研究提供了可靠的理论支撑。 在情感状态识别中，大量无关或冗余的特征往往会影响识别的速度和准确率，因此需 要特征选择。特征选择问题实质上是组合优化问题，虽然有一些学者提出了许多搜索算法， 但是到目前为止还没有公认有效的搜索算法。双重结构粒子群( d u a l s t r u c t u r ep a n i c l e s w a r mo p t i m i z a t i o n ，d s p s o ) 算法是一种基于群智能的全局优化算法，其独特的结构使得 连续粒子群可以用于解决组合优化问题，且具有编码简单、个体数目少、计算速度快、种 本文受国家自然科学基金( n a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no f c h i n a , n o 6 0 8 7 3 1 4 3 ) 和西南大学国家 重点学科基础心理学科研基金( t i l eu n i v e r s i t yf o u n d a t i o nf o rb a s i cp s y c h o l o g y , n o n k s f 0 7 0 0 3 ) 项目资助 两南大学硕十学位论文 群多样性好、易于理解、易于实现等特点。因此，论文研究将d s p s o 算法应用于情感生 理信号的特征选择问题，以提高情感状态的识别率。 在特征搜索过程中需要对所选特征组合进行评价，评价过程是一次分类识别的过程。 由于k 近邻( k - n e a r e s tn e i g h b o r s ，k n n ) 分类算法快捷高效，在需要多次调用分类识别 的特征搜索过程中，k n n 有其独特的优势。因此，论文研究将k n n 分类识别算法作为特 征搜索过程中的评价函数，以提高计算速度。 本文首先以德国奥格斯堡大学多媒体与信号处理实验室的数据为例( 四种情感状态( 高 兴( j o y ) 、愤怒( a n g e r ) 、悲伤( s a d n e s s ) 、愉悦( p l e a s u r e ) ) 下的四种生理信号( 肌电 ( e l e c t r o m y o g r a m ，e m g ) 、皮肤电( s k i nc o n d u c t i v i t y , s c ) 、心电( e l e c t r o c a r d i o g r a m ，e c g ) 、 呼吸( r e s p i r a t i o n ，r s p ) ) ) ，对基于生理信号情感识别进行了研究，针对德国数据本文主要 做了以下四方面的工作： ( 1 ) 针对生理信号情感识别中的特征冗余问题，研究将计算智能的思想引入到情感生 理信号的特征选择中，以期证明能否提高情感状态的正确识别率。采用d s p s o k n n 方法 进行情感生理信号的特征选择，使用单一生理信号以及多种生理信号对单一情感以及多种 情感进行了识别研究。 ( 2 ) 针对d s p s o k n n 在原始特征维数较多时效果不好的情况。利用基于混沌变异 小生境多种群的d s p s o k n n 进行情感生理信号的特征选择，以改善高维的特征选择效果。 对单一生理信号识别单一情感及多种情感进行了研究，同时，在单一生理信号的基础上， 研究了多种生理信号识别单一情感及多种情感。 ( 3 ) 针对研究过程中出现多类识别时的不可分类现象，本文提出了增量k 的k n n 多 类识别算法；由于在算法趋近于收敛时会出现大量的重复粒子，本文将查找表方法应用到 搜索过程中以期减少不必要的计算。 ( 4 ) 为了体现论文方法的优越性，采用d s p s o k n n 和传统的顺序浮动前向搜索 ( s e q u e n t i a lf l o a t i n gf o r w a r ds e l e c t i o n ，s f f s ) 和顺序浮动后向搜索( s e q u e n t i a lf l o a t i n g b a c k w o r ds e l e c t i o n ，s f b s ) 特征选择方法进行情感状态识别的效果对比。 为了进一步开展研究工作，我们测试了3 9 1 名在校大学生( 两种情感状态( 高兴( j o y ) 和悲伤( s a d n e s s ) ) 下的心电信号( e c g ) ) ，并使用效果较好的1 5 0 个样本进行识别研究， 做了以下工作： 对测得的心电数据预处理后，运用小波变换进行p - q r s t 波定位后提取统计特征，采 用提取的特征进行特征选择以及情感识别。 n 摘要 论文通过大量仿真实验证实了上述工作的正确性，取得了如下几方面的研究成果： ( 1 ) 从四种生理信号中提取了1 9 3 个原始特征，采用d s p s o k n n 方法进行特征选 择。单一生理信号中，肌电信号识别四种情感效果最好，达到8 3 ；皮肤电信号识别效果 最差，只有5 1 ；四种生理信号识别四种情感得到了9 3 。 一 ( 2 ) 通过仿真实验得知：在特征维数较少时，改进的d s p s o k n n 没有优势，但是 特征维数较多时，改进的d s p s o k n n 效果明显更好。比如肌电信号和皮肤电信号的原始 特征维数为2 1 个，改进前后两者的识别率基本一样；而心电信号原始特征维数为8 4 个， 改进前最好识别率为6 9 ，改进后最好识别率为7 3 。通过对d s p s o k n n 特征选择的统 计发现一些特征确实在识别某些情感时有特殊的贡献，其中肌电信号的二阶差分中值不论 是在单一信号还是多个信号识别愉悦时几乎都是百分之百被选中。 ( 3 ) 增量k 的k n n 多类分类算法不仅解决了不可分现象，而且识别率得到了提高， 比如肌电信号识别四种情感时识别率为8 3 ，而传统的两种方法分别为7 9 4 和8 0 ：采 用查找表方法后，以肌电信号识别四种情感为例，固定迭代2 0 0 代，由原来的7 5 5 4 秒减 少到1 5 2 1 秒。 ( 4 ) 采用四种生理信号识别四种情感状态时，s f f s 的最好识别率为9 3 ，3 3 个特征， s f b s 的最好识别率为9 2 ，2 3 个特征，改进后的d s p s o k n n 最好识别率为9 3 ，1 2 个 特征。 ( 5 ) 通过实验室自测的e c g 信号对高兴和悲伤两种情感进行了识别研究，e c g 信号 识别高兴和悲伤的最优特征组合包含7 个特征。识别率达到8 7 3 3 。 通过本文的研究可以看出，d s p s o 和k n n 结合的方法( d s p s o k n n ) 是一种较好 的情感生理信号特征选择方法，通过使用该方法可以有效的提高情感状态识别率以及降低 计算量，为以后情感识别的实际应用奠定理论基础。 关键词：双重结构粒子群k 近邻法生理信号情感识别特征选择 两南大学硕十学何论文 a s t u d yo f a f f e c t i v es t a t e sr e c o g n i t i o n b a s e do nd u a l s t r u c t u r ep a r t i c l es w a r m o p t i m i z a t i o na n d k - n e a r e s t n e i g h b o r sf r o m p h y s i o l o g i c a ls i g n a l s m a j o r ：s i g n a la n di n f o r m a t i o np r o c e s s i n g s u p e r v i s o r ：p r o f g u a n g y u a nl i u a u t h o r ：d e f uc h e n g ( 112 0 0 6 315 0 0 0 0 3 9 ) a bs t r a c t c o n t e m p o r a r ys c i e n c ea n dt e c h n o l o g yi n f o r m a t i o na l l o w st h er a p i dd e v e l o p m e n to fh u m a n d e p e n d e n c eo nt h ec o m p u t e rc o n s t a n t l ys t r e n g t h e n st h ec a p a c i t yo fh u m a n c o m p u t e ri n t e r a c t i o n r e s e a r c h e r sm o r ea t t e n t i o n h o wt oa c h i e v et h ea n t h r o p o m o r p h i cc o m p u t e rs ot h a ti tc a nb e p e r c e i v e de n v i r o n m e n t ，t h ea t m o s p h e r e ，t h ea t t i t u d ea n de m o t i o nf r o mh u m a n ，e t c ，a n dt o r e s p o n dt i m e l ya n di nh a r m o n yw i t hu s e r sw h e nc o m m u n i c a t i n ge m o t i o n a l l yw i t ht h e m ，h a s b e c o m ea ”h u m a n c o m p u t e re m o t i o n a li n t e r a c t i o n ，”af i e l do fs t u d yh o tt o p i c s l e tt h ec o m p u t e r w i t hh u m a ne m o t i o n ，i st of i r s to fa l l ，t h ec o m p u t e rc a nu n d e r s t a n dp e o p l e se m o t i o n a ls t a t e sa n d t oi m p r o v et h ec o m p u t e r sa b i l i t yt oi d e n t i f ye m o t i o n a ls t a t e s ，t h a ti s ，f o ra f f e c t i v ec o m p u t i n g e m o t i o nr e c o g n i t i o ni sak e yi s s u eo fa f f e c t i v ec o m p u t i n ga n do n eo ft h ef o u n d a t i o n st oc r e a t e ah a r m o n i o u se n v i r o n m e n tf o rh u m a n m a c h i n e a f f e c t i v ec o m p u t i n gi so n eo ft h ee m e r g i n gi s s u e s ，i ti sa b o u tt h ee m o t i o n a la s p e c t so ft h e t e r m s ，t h ep u r p o s ei st og i v et h ec o m p u t e rt h ea b i l i t yt oi d e n t i f y , u n d e r s t a n d ，e x p r e s sa n da d a p tt o h u m a ne m o t i o n s a f f e c t i v ec o m p u t i n ge m o t i o nr e c o g n i t i o ni sa ni m p o r t a n tc o m p o n e n to ft h e s t u d yo fe m o t i o nr e c o g n i t i o ni n c l u d i n gf a c i a le x p r e s s i o n s ，v o i c e ，g e s t u r e ，t e x ta n dp h y s i o l o g i c a l s i g n a l sr e c o g n i t i o na n ds oo n p h y s i o l o g i c a ls i g n a l sa r eb i o l o g i c a ls i g n a l sw h i c ha c c o m p a n i e db y e m o t i o n a lc h a n g e sp r o d u c e db yt h eh u m a ni n t e r n a lo r g a n s ，m o r eo b j e c t i v e l yr e f l e c tt h er e a l s t a t e so fe m o t i o n t h r o u g has e r i e so fe x p e r i m e n t s ，e k m a ns h o w e dt h a ta tl e a s tf o rs o m e e m o t i o n s ，i t sp h y s i o l o g i c a lr e s p o n s e sa r es p e c i f i c p i c a r do fm i tw h ol e dt h em e d i at op r o v et h e i v ab s t r u c t a p p l i c a t i o no fp h y s i o l o g i c a ls i g n a l st oi d e n t i f ye m o t i o ns t a t e s i sf e a s i b l ea n dt h e r e f o r et h e p h y s i o l o g i c a ls i g n a l sf o re m o t i o nr e c o g n i t i o no ff u r t h e rs t u d yo ft h et h e o r yp r o v i d e sar e l i a b l e s u p p o r t d u r i n ge m o t i o nr e c o g n i t i o n ，al a r g en u m b e ro fi r r e l e v a n to rr e d u n d a n tf e a t u r e st e n dt o a f f e c tt h er e c o g n i t i o ns p e e da n da c c u r a c y , s ow en e e df o rf e a t u r es e l e c t i o n f e a t u r es e l e c t i o n p r o b l e mi se s s e n t i a l l yac o m b i n a t o r i a lo p t i m i z a t i o np r o b l e m ，a l t h o u g hs o m es c h o l a r sp u tf o r w a r d an u m b e ro fs e a r c ha l g o r i t h m s ，b u tt h e r eh a v en o n ea l g o r i t h mi sr e g a r d e da sa l le f f e c t i v es e a r c h a l g o r i t h ms of a r d u a l s t r u c t u r ep a r t i c l es w a r mo p t i m i z a t i o n ( d s p s o ) a l g o r i t h mi sas m a r t g r o u pb a s e do nt h eg l o b a lo p t i m i z a t i o na l g o r i t h m ，i t su n i q u es t r u c t u r em a k e sf o rc o n s e c u t i v e p s oc a nb eu s e dt os o l v ec o m b i n a t o r i a lo p t i m i z a t i o np r o b l e m s ，a n dh a sas i m p l ec o d e ，t h e n u m b e ro fs m a l li n d i v i d u a lc a l c u l a t et h es p e e da n dp o p u l a t i o nd i v e r s i t y , a n de a s yt ou n d e r s t a n d ， e a s yt oi m p l e m e n ta n ds oo n t h e r e f o r e ，t h et h e s i sr e s e a r c ha p p l i e dd s p s oa l g o r i t h mt of e a t u r e s e l e c t i o ni no r d e rt oi n c r e a s et h er e c o g n i t i o nr a t eo fe m o t i o nr e c o g n i t i o nf r o mp h y s i o l o g i c a l s i g n a l s i nt h ef e a t u r es e a r c hp r o c e s sn e e d e dt oe v a l u a t et h ec o m b i n a t i o no fs e l e c t e df e a t u r es u b s e t s ， t h ee v a l u a t i o n p r o c e s s i sac l a s s i f i c a t i o np r o c e s s a st h e k - n e r e s tn e i g h b o r s ( k n n ) c l a s s i f i c a t i o na l g o r i t h mf a s ta n de f f i c i e n t ，t h en e e dt or e p e a t e d l yc a l lt h ec l a s s i f i c a t i o ni nt h e f e a t u r es e a r c hp r o c e s s ，k n nh a si t su n i q u ea d v a n t a g e s t h e r e f o r e ，t h et h e s i sr e s e a r c ha p p l i e d k n nc l a s s i f i c a t i o na l g o r i t h mt oi d e n t i f yt h ef e a t u r es u b s e t so ft h es e a r c hp r o c e s st oe n h a n c et h e c o m p u t i n gs p e e da n de f f e c t i nt h i sp a p e r , w eu s et h ed a t ao fm u l t i m e d i aa n ds i g n a lp r o c e s s i n gl a b o r a t o r y , a u g s b u r g u n i v e r s i t y , g e r m a n y , a sa ne x a m p l ef i r s t ( f o u rp h y s i o l o g i c a ls i g n a l s ( e l e c t r o m y o g r a m ( e m g ) ， s k i nc o n d u c t i v i t y ( s c ) ，e l e c t r o c a r d i o g r a m ( e c g ) ，r e s p i r a t i o n ( r s p ) ) b a s e do nf o u re m o t i o n s ( j o y , a n g e r , s a d n e s s ，p l e a s u r e ) ) t h ep h y s i o l o g i c a ls i g n a l - b a s e d e m o t i o nr e c o g n i t i o nw a s i n v e s t i g a t e d w eu s e dt h ed a t at od ot h ef o l l o w i n gf o u ra r e a s ； ( i ) a i ma tf e a t u r er e d u n d a n c yp r o b l e mo fe m o t i o nr e c o g n i t i o nf r o mp h y s i o l o g i c a ls i g n a l s ， r e s e a r c hw i l lb et oi n t r o d u c et h ei d e ao fc o m p u t a t i o n a li n t e l l i g e n c et ot h ef e a t u r es e l e c t i o no ft h e p h y s i o l o g i c a ls i g n a l sw i t h av i e wt op r o v et h a ti tc a ni m p r o v et h ec o r r e c tr e c o g n i t i o nr a t e d s p s o k n nw a sa p l l i e dt os e l e c tf e a t u r e s ，s i n g l ep h y s i o l o g i c a ls i g n a l sa n dav a r i e t yo f p h y s i o l o g i c a ls i g n a l sa r eu s e dt oi d e n t i f ys i g n l ee m o t i o n sa n dav a r i e t yo fe m o t i o n s v 两南大学硕十学何论文 ( 2 ) f o rt h eb a de f f e c tw h e nd s p s o k n np r o c e s s e sm a j o rn u m b e ro fo r i g i n a lf e a t u r e s ，t h e t h e s i su s e dc h a o sv a r i a t i o n ，n i c h ea n dm u l t i - p o p u l a t i o nd s p s o - k n nt os e l e c tf e a t u r e st h a ta i m t oi m p r o v et h ee f f e c to ff e a t u r es e l e c t i o nw h e nt h eo r i g i n a ls e ti st o ol a r g e w es t u d i e dt h es i n g l e p h y s i o l o g i c a ls i g n a l st oi d e n t i f yt h es i n g l ee m o t i o n sa n dav a r i e t yo fe m o t i o n s ，a tt h es a m et i m e ， w eu s e da v a r i e t yo fp h y s i o l o g i c a ls i g n a l st o i d e n t i f yt h es i n g l ee m o t i o n sa n dav a r i e t yo f e m o t i o n s ( 3 ) t h i sp a p e rp r o p o s e di n c r e m e n t a lkf o ra v o i d i n gi n d i v i s i b i l i t ya b o u tm u l t i c l a s s i f i c a t i o n i nv i e wo fr e p e a t e de m e r g e n c ea b o u ts 出r l es w a r m sw h e ni t e r a t i o nt e n d st ob ec o n v e r g e n t ， l o o k - u pt a b l em e t h o di sp r e s e n t e dt oa v o i ds u p e r f l u o u sc a l c u l a t i o n ( 4 ) t h i sp a p e rc o m p a r e dt h e e f f e c to fe m o t i o nr e c o g n i t i o nb e t w e e nd s p s o k n na n d t r a d i t i o n a ls e q u e n t i a lf l o a t i n gf o r w a r ds e l e c t i o n ( s f f s ) a n ds e q u e n t i a lf l o a t i n gb a c k w o r d s e l e c t i o n ( s f b s ) m e t h o d si no r d e rt oi n c a r n a t et h ea d v a n t a g e so fd s p s o - k n n i no r d e rt of u r t h e rr e s e a r c hw o r k ，w et e s t e d3 91c o l l e g es t u d e n t s ( e l e c t r o c a r d i o g r a m ( e c g ) b a s e do nt w oe m o t i o n s ( j o y , s a d n e s s ) ) a n du s e15 0s a m p l e sb e t t e rt od ot h ef o l l o w i n gw o r k ： a f t e rp r e p r o c e s s i n gt h ee c gd a t a , w eu s e dw a v e l e tt r a n s f o r mt ol o c a t ep q r s - tw a v ea n d e x t r a c t e ds t a t i s t i c a lf e a t u r e s ，t h e nu s e dt h e s ef e a t u r e st od oe m o t i o nr e c o g n i t i o n ； t h e s i sc o n f i r m e dt h ec o r r e c t n e s so ft h ea b o v e - m e n t i o n e dw o r kt h r o u g hal a r g en u m b e ro f s i m u l a t i o ne x p e r i m e n t s ，a n da c h i e v e dt h ef o l l o w i n gr e s e a r c ha r e a s ( 1 ) 19 3f e a t u r e sw e r ee x t r a c t e df r o mf o u rp h y s i o l o g i c a ls i g n a l s ，a n dd s p s o - k n nw a su s e d t os e l e c tf e a t u r e s w i t h i nt h es i n g l ep h y s i o l o g i c a ls i g n a l s ，t h ee m g s i g n a lg o tt h eb e s te f f e c tt o i d e n t i f yt h ef o u re m o t i o n sw h i c hr e a c h e dt o8 3 ；s cs i g n a lg o tt h ew o r s te f f e c t , o n l y51 ：a n d t h er e c o g n i t i o nr a t er e a c h e d9 3 w h e na p p l i e df o u rp h y s i o l o g i c a ls i g n a l st oi d e n t i f yf o u rs t a t e s o fe m o t i o n ( 2 ) l e a r n e dt h r o u g ht h es i m u l a t i o ne x p e r i m e n t ，w eg o tt h ef a l l o w i n gp o i n t s ：i m p r o v e d d s p s o - k n nh a sn oa d v a n t a g ew h e nt h eo r i g i n a lf e a t u r es e ti ss m a l l ，b u ti th a sb e t t e re f f e c t w h e nt h eo r i g i n a ls e ti sl a r g e f o ri n s t a n c e ，e m ga n ds cb o t hh a v e21f e a t u r e s ，s ot h ee f f e c to f e m o t i o nr e c o g n i t i o nh a dn o ti m p r o v e d ；e c gh a s8 4f e a t u r e s t h er e c o g n i t i o nr a t ew a s6 9 b e f o r ei m p r o v e m e n ta n d7 3 a f t e ri m p r o v e m e n t w ef i n do u tt h a ts o m ef e a t u r e si n d e e dh a v e s p e c i a lc o n t r i b u t i o nw h e ni d e n t i f y i n gs o m ee m o t i o n s t h em e d i a nv a l u ea f t e rs e c o n d o r d e r d i f f e r e n c eo fe m gs i g n a lh a sb e e na l w a y ss e l e c t e dw h e nj u s tu s e de m g s i g n a lt oi d e n t i f y v i 9 l o s t r u c t p l e a s u r es t a t eo ru s e da l lt h e s ef o u rs i g n a l st oi d e n t i f yp l e a s u r es t a 钯 ( 3 ) i n c r e m e n t a lko fk n na l g o r i t h mf o rm u l t i c l a s s c l a s s i f i c a t i o nn o t0 n l ys o l y e dt h e p m b l 伽t h a tt h e s ec l a s s e sc a l ln o tb es e p a r a t e d ，a n dt h er e c o g n i t i o nr a t eh a sb e e n e n h a l l c e d f o r e x a m p i e ，t 0i d e n t i f yf o u rt y p e sf r o me m gt h ee m o t i o nr e c o g n i t i o nr a t e r e a c h e d8 3 w h i l e t r a d n a im e t h o d sw e r e7 9 4 a n d8 0 ；l o o k - u pt a b l e m e t h o dh a sc u td o w nc o m p u t et i m e f 两m7 5 5 4s e c o n d st o15 21s e c o n d sw h e nu s ee m g s i g n a lt oi d e n t i f yf o u re m o t i o ns t a t e sa n d f i x e di t e r a t i o nw i t h2 0 0 ( 4 ) i d e n t i f i c a t i o nf o u re m o t i o n a ls t a t e sb yf o u rp h y s i o l o g i c a ls i g n a l s ，s f f s g o tt h eb e s t 。e c o g n i t i o n 。a t eo f9 3 ，3 3f e a t u r e s ，s f b sg o tt h eb e s tr e c o g n i t i o nr a t eo f9 2 ，2 3 f e a t u r e s i m p r o v e dd s p s o k n ng o tt h eb e s tr e c o g n i t i o nr a t eo f9 3 ，12f e a t u r e s ( 5 ) w eu s e dt h ee c gs i g n a l g a i n e dt h r o u g ht h el a b o r a t o r yt oi d e n t i f 3 rh a p p ya n ds a d f e e l i n 9 5 t h eo p t i m a ls u b s e ti n c l u d e s7f e a t u r e s ，a n dt h er e c o g n i t i o nm t er e a c h e d8 7 3 3 t h r o u g ht h es t u d yo ft h i sa r t i c l e ，w ek n o wt h a tt h ec o m b i n a t i o no fd s p s oa n dk n n ( d s p s o - k n n ) m e t h o d si sae f f e c t i v ef e a t u r es e l e c t i o nm e t h o d ，t h r o u 曲t h eu s e o ft h em e t h o d c a ne f i e c t i v e l yi m p r o v et h er a t eo fe m o t i o n a lr e c o g n i t i o na n dt or e d u c et h e c a l c u l a t i o n t h i s p a p e rl a y st h et h e o r e t i c a lf o u n d a t i o nf o rt h ea p p l i c a t i o no f e m o t i o nr e c o g n i t i o n k e yw o r d s ：d u a l - s t r u c t u r ep a n j c l es w a r mo p t i m i z a t i o n ，k n e r e s t n e i g h b 。r s ，p h y s i 。l o g i c a l s i g n a l s ，e m o t i o nr e c o g n i t i o n ，f e a t u r es e l e c t i o n v i i 独创性声明 学位论文题目： 丞重结抱担量叠狸k 堑墼洼周王生堡焦曼遗盛达奎 迟星9 鲍砑究 本人提交的学位论文是在导师指导下进行的研究工作及取得的研 究成果。论文中引用他人已经发表或出版过的研究成果，文中已加了 特别标注。对本研究及学位论文撰写曾做出贡献的老师、朋友、同仁 在文中作了明确说明并表示衷心感谢。 学位论文作者：彳i 0 讹 签字日期： 沙9 年，月哆日 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允 许论文被查阅和借阅。本人授权西南大学研究生院( 筹) 可以将学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书，本论文：口不保密， 口保密期限至年月止) 。 学位论文作者签名：毒? 磐概导师签名： 签字日期： 沙7 年孓月弓日 签字日期： i 巩日 第一章绪论 第一章绪论帚一早珀t 匕 1 1 引言 情感与人的日常生活息息相关，高尚的人追求着精神信仰，有人为之而不惜 流血牺牲；正义之士惩恶扬善，有人为之而舍生忘死；青年男女追求着爱情，有 人为之而发痴发狂；朋友之间追求友谊，有人为之而两肋插刀：做人要图个面子， 有人为了争个面子而倾家荡产；家庭生活离不开亲情，有人为了亲情而倾注毕生 心血；等等，人们无一不在情感的驱动下进行生活和工作。那么在人与计算机交 互过程中，人也必然带着某些情感，计算机是否能够体会人的喜怒哀乐，并见机 行事呢? 情感计算研究就是试图创建一种能感知、识别和理解人的情感，并能针 对人的情感作出智能、灵敏、友好反应的计算系统，即赋予计算机像人一样的观 察、理解和生成各种情感特征的能力。在日常生活、工作、交流、处理事务和决 策中，人们的情感能力同正常的理性思维和逻辑推理能力一样扮演着重要的角 色。神经生理学家d a m a s i o 研究发现，由于控制逻辑推理的大脑皮层和控制情 感的边缘系统之间通道的缺损，病人尽管具有正常甚至超常的理性思维和逻辑推 理能力，但严重阻碍了决策能力的运用。美国学者g o l e m a n 也认为情感能力是 人类智能的重要标志【2 】。在决定一个人事业成功的因素中，情商即领会、运用和 表达情感的能力可能比传统的智商更为重要。可以证明情感是智能的一个不可分 割的部分，特别是在感知、推理、决策、计划、创造等方面，同样在社交中情感 也是关键部分之一，因此心理学家和教育家重新定义了智能，将情感和社会能力 也包括进来。 情感计算( a f f e c t i v ec o m p u t i n g ，a c ) 技术是指通过各种传感器获取由人的 情感所引起的表情生理变化信号，利用“情感模型”对这些信号进行识别和分析， 从而理解人的情感并做出适当响应。m i t 的m i n s