《基于FCA-ReliefF的融合生理信号情绪识别研究》

技术简介：

针对当前情绪识别研究中特征维数多、识别率不高的问题,提出了基于多生理信号(心电、肌电、呼吸、皮肤电)融合及FCA-ReliefF特征选择的情绪识别方法;通过将从时域和频域两个维度提取的生理信号特征进行融合,作为分类器的输入进行情绪分类;为了降低特征维度,首先进行特征相关性分析(FCA)删除相关性较大的特征;再通过ReliefF剔除分类贡献弱的特征,达到降低特征维度的目的;在公开的数据集上进行验证,并与相关研究进行对比;结果表明,提出的方法在特征维度及识别率两个方面均有优势;提出的FCA-ReliefF降维策略有效地将特征从108维减少到60维,并且将识别精度提高到98.40%,验证了方法的有效性。

研发人员：潘礼正;尹泽明;佘世刚;袁峥峥;赵路;