可调参数遗传算法的情感特征选择研究

将情感识别中的特征选择看成组合优化问题,从四种生理信号EMG、ECG、RSP、SC中抽取统计特征,将参数可调的遗传算法和K-近邻算法相结合尝试找出最能"代表"某一情感状态joy、anger、sadness、pleasure的最优情感特征组合模式.仿真表明,该方法是有效的.     

情感生理反应样本库的建立与数据相关性分析

文中采用高收视率电影剪辑为唤起材料,以激发高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感,记录被试观看情感唤起材料时的皮肤电导、心率、脉搏、心电、呼吸、面部肌电和额叶的两路脑电信号,获得了300名普通大学生的情感生理反应样本.用随机矩阵理论对各路信号数据进行相关性分析,发现皮肤电导、心率、心电和呼吸生理信号各自的相关矩阵最大特征值和对应特征向量的分布背离了随机矩阵理论的预测,表现出集体的两两互相关,揭示了由情感因素影响产生的相关生理反应;脉搏、面部肌电和额叶的两路脑电各自相关矩阵的特征值和特征向量没有明显背离随机矩阵理论预测,表明这4路信号各自数据之间的相关性由非情感因素的随机噪声引起,因此基于随机矩阵理论的数据分析为提取生理信号特征以研究情感的生理反应模式提供了可靠依据.研究中提取了皮肤电导和心率的110个初始特征,采用后向选择选出最能代表情感生理反应的信号特征子集,使用Fisher映射对情感生理反应样本进行分类,构造了具有较好预测性能的情感识别系统,获得了每一种情感较好区别于其他情感的生理信号特征组合.     

基于遗传算法的特征子集选择

数据挖掘对象是大型数据库中的海量数据，而数据库中记录包含众多属性，由于其中存在的冗余和不相关属性降低了数据挖掘性能，增加了算法复杂性，因此，特征子集选择问题成为数据挖掘领域中的重要研究课题。该文根据过滤法思想，提出了基于遗传算法的特征子集选择算法，实验证明该算法获得了良好的收效性和稳定性。     

基于特征选择的极限随机森林算法研究

高维复杂数据处理是数据挖掘领域中的关键问题,针对现有特征选择分类算法存在的预测精确度失衡、整体分类效率低下等问题,提出了一种结合概率相关性和极限随机森林的特征选择分类算法（P-ERF）。该算法使用充分考虑特征之间相关性与P值结合的特征选择方式,避免了树节点分裂过程中造成的冗余性问题;并以随机树为基分类器、极限随机森林为整体框架,使P-ERF算法获得了更高的精准度和更好的泛化误差。实验结果表明,P-ERF算法相较于随机森林算法、极限随机森林算法,在数据集分类精度与整体性方面均得到良好的效果。     

结合分辨矩阵与蚁群优化算法改进的特征选择方法

目前已有蚁群算法优化的特征选择方法,大多采用的是以属性依赖度和信息熵属性重要度作为路径上启发搜索因子,但这类搜索方法在某些决策表中存在算法早熟或搜索到的特征子集包含了冗余特征,从而导致选择精度显著下降。针对此类问题,根据条件属性在分辨矩阵中的占比提出了一种属性重要度的度量方法,以分辨矩阵重要度作为路径上启发因子,设计了一种基于分辨矩阵与蚁群算法优化的特征子集搜索方法。该算法从特征核出发,蚁群依次选择概率大的特征加入特征核集,直至找到最小特征子集算法终止。通过实例验证和UCI数据集实验结果表明,与基于属性依赖度和信息熵属性重要度的特征选择方法相比,在通常情况下,该算法能较小代价找到最小特征子集,并且可以有效减少计算工作量。     

基于扩张矩阵的渐进式特征子集选择算法

特征子集选择问题一直是人工智能领域研究的重要内容,特别是近几年来,特征子集选择的算法研究已经成为机器学习和数据挖掘等领域的一个研究热点。该文在扩张矩阵的基础上提出了类扩张矩阵的概念,并将加权的期望信息和不一致错误率函数应用于特征子集的选择,实现了具有噪音处理功能的渐进式特征子集选择算法———IFSS_EM,实际领域的实验结果表明:IFSS_EM算法具有运行效率高、选择特征较具有代表性的优点,从而使其能够较好地应用于实际领域。     

基于类别和改进的CHI相结合的特征选择方法

针对传统CHI方法的低频词缺陷问题以及传统CHI方法是在全局范围内做特征选择,忽略了特征和类别间的相关性问题,提出改进方法。通过引入类内和类间分布因子,减少了低频词带来的干扰,并且降低了特征词在类间均匀分布时对分类带来的负贡献,同时提出基于类别的特征选择方法。采用随机森林分类算法,将提出的方法应用在微博情感分析领域。实验结果表明,以上方法能够有效的提高微博情感分类的准确率、查全率和F值。     

基于随机森林特征选择算法的鼻咽肿瘤分割

针对医学图像中存在的灰度对比度低、器官组织边界模糊等问题，提出一种新的随机森林（RF）特征选择算法用于鼻咽肿瘤MR图像的分割。首先，充分提取图像的灰度、纹理、几何等特征信息用于构建一个初始的随机森林分类器；随后，结合随机森林特征重要性度量，将改进的特征选择方法应用于原始手工特征集；最终，以得到的最优特征子集构建新的随机森林分类器对测试图像进行分割。实验结果表明，该算法对鼻咽肿瘤的分割精度为：Dice系数79.197%，Acc准确率97.702%，Sen敏感度72.191%，Sp特异性99.502%。通过与基于传统随机森林和基于深度卷积神经网络（DCNN）的分割算法对比可知，所提特征选择算法能有效提取鼻咽肿瘤MR图像中的有用信息，并较大程度地提升小样本情况下鼻咽肿瘤的分割精度。     

应用扩张矩阵理论的攻击特征提取

近年来随着因特网的飞速发展,计算机系统也面临着越来越多的安全威胁。国内外不少研究人员为此提出了许多种基于软计算的方法用于检测网络攻击。给出了一种基于扩张矩阵理论的攻击特征提取方法,通过构造攻击子集和正常子集的扩张矩阵,建立其最优特征子集选择的整数规划模型,并利用简单遗传算法求解,最终生成可用于检测特定类型攻击的最优规则。在KDD Cup99数据集上的实验结果表明,该方法具有较高的正确检出率和可接受的低误报率。     

基于粗集理论的特征子集选择算法

1.引言长期以来,特征子集选择技术一直是机器学习领域中的关键难题之一。由于学习对象的多样性,尤其是新的系统随着应用的发展而不断涌现,使人们无法用某种特定的工具或方法来完全解决这一问题,新的特征子集选择技术仍然受到人们广泛关注。20世纪80年代初,波兰数学家Z.Pawlak提出一种新的理论工具——“粗集”,用于解决不完整和不精确信息的知识表达、学习及归纳等问题。这一理论的特点是:除了问题所需处理的数据之外,不需要额外提供任何外界信息或     

情感计算与理解研究发展概述

情感在感知、决策、逻辑推理和社交等一系列智能活动中起到核心作用,是实现人机交互和机器智能的重要元素。近年来,随着多媒体数据爆发式增长及人工智能的快速发展,情感计算与理解引发了广泛关注。情感计算与理解旨在赋予计算机系统识别、理解、表达和适应人的情感的能力来建立和谐人机环境,并使计算机具有更高、更全面的智能。根据输入信号的不同,情感计算与理解包含不同的研究方向。本文全面回顾了多模态情感识别、孤独症情感识别、情感图像内容分析以及面部表情识别等不同情感计算与理解方向在过去几十年的研究进展并对未来的发展趋势进行展望。对于每个研究方向,首先介绍了研究背景、问题定义和研究意义;其次从不同角度分别介绍了国际和国内研究现状,包括情感数据标注、特征提取、学习算法、部分代表性方法的性能比较和分析以及代表性研究团队等;然后对国内外研究进行了系统比较,分析了国内研究的优势和不足;最后讨论了目前研究存在的问题及未来的发展趋势与展望,例如考虑个体情感表达差异问题和用户隐私问题等。     

实用语音情感识别中的若干关键技术

本文介绍了语音情感识别领域的最新进展和今后的发展方向,特别是介绍了结合实际应用的实用语音情感识别的研究状况。主要内容包括：对情感计算研究领域的历史进行了回顾,探讨了情感计算的实际应用;对语音情感识别的一般方法进行了总结,包括情感建模、情感数据库的建立、情感特征的提取,以及情感识别算法等;结合具体应用领域的需求,对实用语音情感识别方法进行了重点分析和探讨;分析了实用语音情感识别中面临的困难,针对烦躁等实用情感,总结了实用情感语音语料库的建立、特征分析和实用语音情感建模的方法等。最后,对实用语音情感识别研究的未来发展方向进行了展望,分析了今后可能面临的问题和解决的途径。     

基于OCC的Agent情感模型研究

Agent不仅要具有逻辑推理能力,还应当具有类似人类的情感能力。通过对情感理论的分析,提出了一个基于OCC的Agent情感模型,使Agent能够模拟像人类一样的认知能力和情感能力,从而行为决策更加智能。通过模型在虚拟环境角色中的应用结果,验证了此模型的合理性。     

5种基本情绪的心肺系统生理反应模式

情感交互是自然人机交互发展的必然趋势.生理计算为感知和识别用户的生理和情感状态提供了新的途径. 通过阅读文字情境,14名被试分别体验悲伤、喜悦、惊奇、恐惧、愤怒5种基本情绪和中性情绪,并以相应的情绪语调说出与情境有关的特定话语,考察了人们在上述5种基本情绪下的自主神经系统生理反应.使用BIOPAC MP150生理仪和可穿戴式感受器终端记录被试在言语过程中的心电和呼吸数据,并据此分析12项心肺活动指标.结果表明：除悲伤外,其他4种基本情绪下的生理反应与中性情绪存在显著或边缘显著差异;5种情绪所引发的生理反应模式在一定程度上存在差异.该研究表明,基本情绪所引发的心肺系统反应模式存在差异,为基于用户的生理反应模式对用户的情感状态进行识别提供了实验支持证据,通过捕捉心电和呼吸信号可以有效地监测用户的情感状态.     

改进的禁忌搜索算法在肌电信号情感识别中的应用

针对基于肌电(EMG)信号的情感识别问题,提出了一种新颖的特征选择方法.该方法用相关性分析对原始特征降维,再利用改进的禁忌搜索算法结合Fisher分类器,对高兴、厌恶、悲伤、惊奇、愤怒和恐惧6种肌电信号的情感进行特征选择.实验结果表明,该方法能以较少的特征获得较高的识别率,得到了有利于情感识别系统建立的有效特征子集.     

智能虚拟环境中主体的情感计算研究

为了在智能虚拟环境中赋予主体情感能力,提高其逼真度及人机交互的自然性,并且兼顾虚拟环境的实时性要求,以心理学中的基本情绪理论和认知评价理论为依据,模拟推理规则为基础,提出了一种情绪产生器模型。该模型首先根据模糊IF-THEN规则制定情绪激发条件规则,进而推理得出“情绪因子”;然后建立了一个受情绪因子、个性及前一时刻的情绪状态制约的非线性函数,用来生成当前情绪及计算情绪强度。仿真结果表明,模型较符合人类的基本情绪状态的产生、迁移及衰减规律,在一定程度上体现了人类情绪的模糊性和非线性,而且易于机器实现。     

基于情感识别的智能教学系统研究

针对传统的智能教学系统(ITS)在情感方面的缺失,提出了基于情感识别技术的ITS模型.该系统模型在传统的教学系统上新增情感识别模块,利用人脸表情识别以及文本识别等技术所构建,可以获取和识别学生的学习情感,并根据学习情感进行相应的情感激励策略,实现情感化的教学.     

基于小波变换的表面肌电信号的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量输入用L-M算法改进的BP神经网络分类器进行情感状态识别。实验表明,用表面肌电信号对joy、anger、sadness、pleasure 4种情感识别效果较好。也说明用小波变换方法提取特征,用神经网络作分类器的方法用于情感识别有很大的应用前景。     

基于表面肌电信号小波包熵的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。