[發明專利]一種基于情感維度下的深度情感交互模型的構建方法

有效

• 申請號: 201810867950.2
• 申請日: 2018-08-01
• 公開（公告）號: CN109215678B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 孫穎;張雪英;馬江河;王少玄;賈海蓉;段淑斐
• 申請（專利權）人: 太原理工大學
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/30;G10L25/63
• 代理公司: 太原晉科知識產權代理事務所(特殊普通合伙) 14110
• 代理人: 任林芳

1.一種基于情感維度下的深度情感交互模型的構建方法，其特征在于：包括以下步驟，

S100～針對實驗室現有的情感腦電數據庫提取情感特征；

S200～構建最優深度RBM網絡，將情感特征作為深度RBM網絡的輸入，獲得底層情感特征與情感狀態之間的權值；

S300～通過維度量化值的空間距離表征情感狀態之間的關聯程度，得到情感狀態之間的權值；

S400～構建關聯認知網絡，將深度RBM網絡的底層情感特征與情感狀態之間的權值作為關聯認知網絡中輸入與輸出之間的權值，將情感狀態之間的權值作為關聯認知網絡輸出與輸出之間的權值；

S500～通過最優深度RBM網絡與關聯認知網絡的結合構建深度情感交互模型，實現連續情感的準確判別。

2.根據權利要求1所述的基于情感維度下的深度情感交互模型的構建方法，其特征在于：所述S100具體過程為：數據庫采用情感腦電數據庫，選取FC1、FC2、FC3、FC4、C1、C2、C3、C4、CP1、CP2、CP3、CP4位置處的電極，即共12導的腦電數據進行分析，提取表征腦電信號能量特性的傳統特征能量、功率譜以及功率譜熵，表征腦電信號非線性屬性特性的非線性屬性特征近似熵、Hurst指數、Lyapunov指數以及刻畫腦電信號幾何結構的非線性幾何特征，即腦電信號基于軌跡的描述符輪廓。

3.根據權利要求2所述的基于情感維度下的深度情感交互模型的構建方法，其特征在于：所述的非線性幾何特征通過相空間重構將一維腦電信號映射到高維空間后，在高維空間里分析腦電信號，提取不同情感狀態下相空間重構的幾何特征：三種基于軌跡的描述符輪廓；

在相空間重構中，選取嵌入維數m＝3，時間延遲τ＝4，當原始波形x(t)滯后的兩個樣本x(t-4)和x(t-8)存在較小的差異，即存在恒等式：

x(t)＝x(t-4)＝x(t-8) (1)

定義上述恒等式為標識線，通過分析吸引子到標識線的距離來刻畫吸引子之間的差異性；

第一輪廓：吸引子到圓心的距離表示為

其中，二維空間下吸引子三維空間下吸引子

第二輪廓：吸引子到標識線的距離表示為

第三輪廓：吸引子連續軌跡總長度表示為S：

其中，上述所定義與S三種物理量是所提取的非線性幾何特征。

4.根據權利要求3所述的基于情感維度下的深度情感交互模型的構建方法，其特征在于：所述的S200包括以下步驟，

S201～將提取的情感腦電特征作為輸入數據，利用對比散度算法計算RBM網絡參數，如下式(5)所示，

(w,a,b)＝S_CD(x₀,m,η,T) (5)

上式中，S_CD代表CD算法，x₀是訓練數據中的一個樣本，m是隱藏層神經元的個數，η是學習率，T是訓練的最大迭代次數，將可見層和隱藏層的連接權重記為W，a,b分別為可見單元和隱含單元的偏置，獲得隱藏層的輸出如下(6)式所示,f_RBM為激活函數，

h＝f_RBM(v|W,b) (6)；

S202～設置多層RBM，將上一層的RBM輸出作為下層RBM的輸入，并在每個RBM中加入表示類別的神經元，底層輸出節點數為情感類別數，獲得深層RBM的網絡參數；

S203～重復步驟S201和S202，得到保留原始數據信息量最大的維數所對應的隱層節點數，獲得最優的深度RBM網絡。