基于预测能力的连续贝叶斯网络结构学习

通过对连续随机变量之间预测能力及其计算方法的讨论,提出基于预测能力的连续贝叶斯网络结构学习方法。该方法包括两个步骤,每个步骤都伴随环路检验。首先建立初始贝叶斯网络结构,其次调整初始贝叶斯网络结构,包括增加丢失的弧、删除多余的弧及调整弧的方向,并使用模拟数据进行了对比实验,结果表明该方法非常有致。     

数字语音信号包络提取算法研究

在许多领域,比如通讯、自动测试与控制、机械故障检测与诊断,特别是在语音信号处理与识别等领域中,从原始信号中提取包络信息注往是十分重     

相关性分析和最大最小蚁群算法用于脉搏信号的情感识别

针对脉搏信号的情感识别问题,提出了一种相关性分析和最大最小蚁群算法相结合的方法,找出了对情感识别模型构建具有较好性能的稳定特征子集。首先将原始特征用序列后向选择(SBS)方法排序,然后利用线性相关系数分析法计算特征间的相关度,并根据排序结果去除部分相关度较大的特征,最后针对筛选后的特征子集用最大最小蚁群算法进行特征选择,并结合Fisher分类器对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感进行分类。实验结果表明,该方法能在原始特征集合中找出更稳定有效的特征子集,从而建立起有效的情感识别模型。     

学科交叉视角下的情感识别研究进展

人机交互环境下的情感识别是一个涉及心理学、计算机科学等的多学科交叉领域。试图从多学科交叉的角度介绍情感识别所需的心理学理论基础,从而为工程技术人员提供一定的理论背景。之后,根据待处理原始数据的不同,简介了构建此类系统现有的方法和技术;最后简述了当前研究工作的不足和进一步发展的方向,并对全文进行了小结。     

脑电信号在情感识别中的应用

针对如何在情感识别中有效处理脑电信号和提取有用信息的问题,对实验采集的脑电信号进行小波包分解,通过对相关频段信号的重构,提取出脑电信号中能用于情感状态识别的β波节律,对其在不同情感状态下进行谱分析。仿真实验结果表明,将脑电信号中的β波节律用于情感状态识别是可行的。     

基于智能算法的生理信号情感识别

针对基于生理信号的情感识别问题,采用具有模拟退火机制的遗传算法、最大最小蚁群算法和粒子群算法来进行特征选择,用Fisher分类器对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感进行分类,获得了较高的识别率,并找出了对情感识别系统模型的构建具有较好性能的特征组合,建立了对6类情感具有预测能力的识别系统。     

免疫机制对皮肤电信号情感特征选择的影响*

以带有典型情感色彩的视频片段为情感诱发素材,采集皮肤电（galvanic skin response,GSR）信号构成了情感识别研究的初始数据库,并在该数据库的基础上研究了免疫机制对识别过程中的特征选择的影响。首先从GSR信号中提取了30个统计特征,并用平静状态下的相应特征值对其进行标准化;然后在混合粒子群算法（HPSO）的基础上增加免疫操作,形成免疫混合粒子群算法（immune hybrid particle swarm optimization,IH-PSO）进行特征选择,测试特征选择效果时,采用Fi     

基于进化策略的生理信号情感识别

针对生理信号的情感识别问题,采用进化策略方法对生理信号进行特征选择,利用智能优化算法的计算复杂度低和收敛速度快等特点,并结合使用近邻法进行分类,有效地解决了生理信号特征组合优化问题,筛选出一定的特征子集来表示相应的人类情感状态．实验仿真表明,该方法可以得到有效的特征组合来进行生理信号的情感状态识别．     

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.     

可靠的虚拟网络映射算法研究

网络虚拟化技术允许多个异构的虚拟网络共享一个底层物理网络资源,为目前的网络架构提供了一种有效的扩展手段.近年来,底层网络基础设施失效事件频发,因此如何提高虚拟网络的可靠性成为目前该领域一个研究热点.本文针对底层节点失效后虚拟拓扑如何最大化连通问题进行研究,设计了一种基于割集和拥塞感知的虚拟网络映射机制.实验表明,该方法在不预留保护资源的情况下,可获得更好的底层网络长期运行平均收益.