脑电信号情绪识别研究综述

通过面部表情、语音语调以及脑电等生理信号对人的情绪状态进行识别分类,即情绪识别,其在医疗、交通以及教育等领域有广泛应用。脑电信号由于其真实可靠,在情绪识别领域日益得到广泛关注。总结了近年来脑电情绪识别研究所取得的进展,主要介绍基于深度学习和迁移学习进行的脑电情绪识别研究。介绍了脑电情绪识别基础理论、常用公开数据集、信号的采集和预处理,介绍特征提取与选择,重点介绍了深度学习和迁移学习在脑电情绪识别上的应用。指出该领域目前面临的挑战和前景。     

基于深度学习的基金客服情绪安抚算法

构建基金智能客服情绪安抚算法,增加人性化设计以有效提升客户使用体验。由基于OCC模型的情绪粗粒度分类得到有负面情感的文本信息,对该文本信息进行相关处理,而后基于SVM模型进行情绪细粒度分类,得到文本的负面情绪类别并在囊括专业知识和情绪应答的基金领域知识库中匹配答案和情绪应答语句,将查询结果展示给客户。     

基于EEMD和LeNet-5的脑电信号情绪识别

随着科学技术的进步,人们对情绪这一概念有了全新的认识,从过去认为情绪来源于“心”逐渐发展到了当下普遍认为情绪来源于“脑”。针对脑电信号所具有的诸多特性,首先通过去除心电、肌电噪声,滤波提取脑电信号中的有用波段;再利用集合经验模态分解算法(Ensemble Empirical Mode Decomposition,EEMD)对脑电信号进行特征提取,利用提取特征通过空间插值法绘制脑电地形图;接着利用LeNet-5算法开展具体情绪识别,并建立模型。最终通过不断地改进模型,显著提高了情绪识别准确率,准确率最高可达80.1%。     

基于多通道脑电信号的因果网络情绪识别

情绪是由大脑内多个通道共同作用产生的,格兰杰因果检验作为情绪识别的主流方法,在计算任意2个通道之间的因果关系时容易忽略其他通道的影响。面向多通道脑电信号,提出一种基于条件格兰杰因果检验（CGC）的因果网络情绪识别方法。利用CGC算法计算不同情绪下大脑全通道的因果关系,据此构建因果网络,并通过分析各通道的入/出度和介数拓扑属性找到关键通道,得到简化的因果网络进行情绪识别。将节点之间的因果连接关系作为特征分别输入SVM和KNN分类器进行分类训练,实验结果表明,简化网络的识别率分别为75.3%和78.4%,验证了所提方法的有效性。     

偶然情绪对驾驶决策的影响

偶然情绪是与当前判断和决策无关的一种主观情绪体验。研究表明,偶然情绪会对驾驶员的决策行为具有重要影响,不仅可以影响驾驶决策的判断过程和决策策略,还会影响驾驶决策的决策结果以及信息加工风格。分析偶然情绪对驾驶决策的影响,可以使驾驶员在较短时间内认识到情绪并快速的调节情绪,从而保证理性的驾驶决策,为安全驾驶提供进一步的保障。未来研究应注重偶然情绪对驾驶决策作用的内部机制及其与时间压力或者个体差异之间的交互影响。     

红灯信号渐消方式对时距估计和情绪体验的影响

目的通过调整红灯信号的渐消方式来缩短行人对红灯时长的时距估计,提升情绪水平,创造更好的人机互动体验。方法实验通过口头估计法对红灯刺激信号的形状、消减速度和分割数目/频率不同水平的测试,来研究被试的时距估计和轻松值反馈。结果发现形状和速度的主效应显著,倒梯形和减速消减在诸多形状与速度水平中能够创造最短的时距估计及轻松值,而矩形和匀速消减表现最差。且相比刺激的外框形状变化,分割数目变化带来的视觉单元面积变化并不能显著影响时距判断。结论刺激的3种因素以及因素间的关联程度对被试的时距估计和情绪水平产生显著的影响。     

城市大面积停电事件影响及特征分析

为全面准确了解和把握大面积停电事件的诱发因素和基本特征,对国内外近十余年来发生的典型大面积停电事件进行梳理,从中归纳和总结出事态演化的基本规律.以大面积停电事件的诱发、发展和灾情蔓延过程作为逻辑主线,梳理出事件应对处置的各项主要任务;以有效完成这些任务为目标,全面梳理相关主体所需匹配的应急能力和应急资源,做好应对城市大面积停电事件应急准备工作,提升应急处置及救援能力.     

基于有限状态机矩阵模型的人工情绪模型

根据情绪心理学理论,提出先天预置和后天习得2个层次的人工情绪模型。用有限状态机的矩阵模型实现先天原始基本情绪智能的再现,克服“事件-情绪-行为”序列对需要存储空间的缺点,提高了模型的实时性。用Lapicque神经细胞模型描述情绪状态转换的过渡过程,并给出模型仿真结果。     

基于独立分量聚类分析的诱发脑电特征提取技术

发展了一种独立分量聚类分析的诱发脑电特征提取方法,利用诱发成分较强的序间相似性,使用Infomax结合K均值算法对脑电信号中的诱发成分进行分类和提取.该方法可以克服传统独立分量分解方法中诱发分量识别的困难,适用于重复刺激诱发脑电的高维数据自动分析处理.将该方法用于上肢想像动作任务的诱发脑电数据分析,结果显示该方法可以有效剥离背景噪声和提取诱发分量,使得信号的费雪可分性得到显著提升,进而获得更好的识别效果.研究结果表明独立分量自动聚类技术适用于认知行为脑电信号的分析,值得进一步研究.     

具有学习机制及情绪特征的连续进化博弈仿真

当前博弈理论的研究主要集中在合作竞争及稳定性的分析上,有关心理因素对博弈过程的影响的研究尚不多见。将情绪特征引入连续进化博弈过程,可更为真实地仿真群体博弈过程。针对不同决策风格的个体,建立个体学习机制及根据情绪特征的策略变异机制。仿真结果表明,学习能力有助于个体之间的博弈平均合作率及群体收益总量的提高;情绪对个体收益产生一定的波动性影响,但对群体平均收益的波动性影响不大。