[發(fā)明專利]情感識別模型生成裝置及其生成情感識別模型的方法

有效

• 申請?zhí)枺?/td>: 201210567969.8
• 申請日: 2012-12-24
• 公開（公告）號: CN103892792B
• 公開（公告）日: 2017-05-10
• 發(fā)明（設(shè)計）人: 張慧玲;魏彥杰;彭豐斌
• 申請（專利權(quán)）人: 中國科學(xué)院深圳先進技術(shù)研究院
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 深圳市科進知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)44316
• 代理人: 宋鷹武

1.一種情感識別模型生成裝置，包括：

信號采集模塊，用于采集人體的多種生理信號；

特征提取模塊，用于提取每一種所述生理信號的6個時域特征，形成原始特征集，其中，所述6個時域特征為：生理信號的均值、生理信號的標準差、生理信號的一階差分絕對值的均值、標準化信號一階差分絕對值的均值、生理信號的二階差分絕對值的均值以及標準化信號二階差分絕對值；

選擇模塊，用于從所述原始特征集中選出最優(yōu)特征子集；所述選擇模塊包括：初始化子模塊，用于將螞蟻種群的規(guī)模設(shè)定為所述原始特征集中的特征數(shù)，將迭代次數(shù)設(shè)定為固定值，并初始化信息素矩陣；獲取子模塊，用于根據(jù)偽隨機比例規(guī)則獲取每一所述時域特征的標記狀態(tài)；求解子模塊，用于通過利用螞蟻以及標記狀態(tài)求解得到特征子集，其中，所述求解子模塊還用于根據(jù)所述特征子集的分類正確率及特征個數(shù)得到第一適應(yīng)度值，并排序選出第一最優(yōu)解，并利用變異規(guī)則對所述第一最優(yōu)解進行變異得到多個變異解，根據(jù)所述多個變異解以及所述第一最優(yōu)解的分類正確率及特征個數(shù)得到第二適應(yīng)度值，并排序選出第二最優(yōu)解，利用鄰域交換規(guī)則搜索所述第二最優(yōu)解的鄰域內(nèi)的鄰域解，根據(jù)所述鄰域解以及所述第二最優(yōu)解的分類正確率及特征個數(shù)得到第三適應(yīng)度值，并排序選出第三最優(yōu)解；判斷子模塊，用于判斷迭代次數(shù)是否達到固定值，其中所述求解子模塊在所述迭代次數(shù)達到固定值時將所述第三最優(yōu)解作為最優(yōu)特征子集，并輸出；

建立模塊，用于根據(jù)所述最優(yōu)特征子集建立情感識別模型。

2.如權(quán)利要求1所述的情感識別模型生成裝置，其特征在于，所述選擇模塊還包括：

更新子模塊，用于在所述迭代次數(shù)沒有達到固定值時根據(jù)所述第三最優(yōu)解更新所述信息素矩陣。

3.如權(quán)利要求2所述的情感識別模型生成裝置，其特征在于，所述偽隨機比例規(guī)則為：

其中s表示特征i的標記狀態(tài)，τ_ij表示時域特征i在狀態(tài)j時的信息素濃度，當j＝1表示被選中，j＝0表示不被選中，q為從[0,1]之間等概率選取的一個隨機數(shù)，q₀為一參數(shù)，其中0≤q₀≤1。

4.如權(quán)利要求3所述的情感識別模型生成裝置，其特征在于，所述獲取子模塊在q≤q₀時根據(jù)信息素濃度值τ_i0和τ_i1的大小得到所述時域特征i的標記狀態(tài)，在q>q₀時根據(jù)得到所述時域特征i的標記狀態(tài)。

5.如權(quán)利要求1所述的情感識別模型生成裝置，其特征在于，所述變異規(guī)則為所述求解子模塊改變所述第一最優(yōu)解中至少一個所述時域特征的標記狀態(tài)，然后對所述改變后的第一最優(yōu)解求變異解。

6.如權(quán)利要求1所述的情感識別模型生成裝置，其特征在于，所述鄰域交換規(guī)則為所述求解子模塊搜索所述第二最優(yōu)解的鄰域內(nèi)的鄰域解。

7.一種生成情感識別模型的方法，包括以下步驟：

采集人體的多種生理信號；

提取每一種所述生理信號的6個時域特征，形成原始特征集，其中，所述6個時域特征為：生理信號的均值、生理信號的標準差、生理信號的一階差分絕對值的均值、標準化信號一階差分絕對值的均值、生理信號的二階差分絕對值的均值以及標準化信號二階差分絕對值；

從所述原始特征集中選出最優(yōu)特征子集；該步驟還包括以下子步驟：

將螞蟻種群的規(guī)模設(shè)定為所述原始特征集中的特征數(shù)，將迭代次數(shù)設(shè)定為固定值；

初始化信息素矩陣；

根據(jù)偽隨機比例規(guī)則獲取每一所述時域特征的標記狀態(tài)；

通過利用螞蟻以及標記狀態(tài)求解得到特征子集；

根據(jù)所述特征子集的分類正確率及特征個數(shù)得到第一適應(yīng)度值，并排序選出第一最優(yōu)解；

利用變異規(guī)則對所述第一最優(yōu)解進行變異得到多個變異解；

根據(jù)所述多個變異解以及所述第一最優(yōu)解的分類正確率及特征個數(shù)得到第二適應(yīng)度值，并排序選出第二最優(yōu)解；

利用鄰域交換規(guī)則搜索所述第二最優(yōu)解的鄰域內(nèi)的鄰域解；

根據(jù)所述鄰域解以及所述第二最優(yōu)解的分類正確率及特征個數(shù)得到第三適應(yīng)度值，并排序選出第三最優(yōu)解；

判斷迭代次數(shù)是否達到固定值；

當所述迭代次數(shù)達到固定值時將所述第三最優(yōu)解作為最優(yōu)特征子集，并輸出；

根據(jù)所述最優(yōu)特征子集建立情感識別模型。