[發(fā)明專利]一種用于心電特征選擇的禁忌搜索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210109089.6
• 申請(qǐng)日: 2012-04-13
• 公開（公告）號(hào): CN102631194A
• 公開（公告）日: 2012-08-15
• 發(fā)明（設(shè)計(jì)）人: 劉光遠(yuǎn);邱紅
• 申請(qǐng)（專利權(quán)）人: 西南大學(xué)
• 主分類號(hào): A61B5/0402
• 分類號(hào): A61B5/0402;A61B5/0452;G06F17/30
• 代理公司: 重慶弘旭專利代理有限責(zé)任公司 50209
• 代理人: 周韶紅

技術(shù)領(lǐng)域

本發(fā)明涉及一種生理信號(hào)情感識(shí)別方法，尤其涉及一種心電特征選擇方法。

背景技術(shù)

情感識(shí)別是情感計(jì)算領(lǐng)域中的一個(gè)重要組成部分，如果要讓計(jì)算機(jī)能從面部、姿勢(shì)、語(yǔ)音和生理信號(hào)中識(shí)別出人類的情感，首先必須讓計(jì)算機(jī)能識(shí)別情感，所以情感識(shí)別就顯得非常重要。情感識(shí)別主要包括肢體情感識(shí)別、面部表情情感識(shí)別和語(yǔ)音情感識(shí)別和生理信號(hào)情感識(shí)別等方面。在“心率變異性在心身疾病和情緒障礙研究中的應(yīng)用(心理學(xué)進(jìn)展，2006，14(2)：261-265)”一文中，提出面部表情、語(yǔ)言姿勢(shì)等流露出來(lái)的情感狀態(tài)主要受神經(jīng)系統(tǒng)控制，容易受到主觀意識(shí)的控制。而生理信號(hào)是伴隨著人的情感變化由人體內(nèi)部器官產(chǎn)生的一種生物電信號(hào)，不易受主觀意識(shí)的控制，所以更能客觀真實(shí)的反映人的情感狀態(tài)，更有魯棒性和客觀性，但基于生理信號(hào)情感識(shí)別的研究最困難的。

心電(ECG)信號(hào)是重要的生理信號(hào)之一，在“Affective?Pattern?Classification(Perceptual?Computing?Section?Technical?Report，1998，473)”一文中，美國(guó)MIT實(shí)驗(yàn)室的Picard教授采用四種生理信號(hào)(EMG、ECG、GSR、RSP)率先證明從生理信號(hào)中提取特征模式來(lái)進(jìn)行情感識(shí)別是有效的，并且研究表明，ECG信號(hào)能夠體現(xiàn)情感狀態(tài)的變化，從中提取的特征能夠反映情感狀態(tài)的差異。由于心電、心率信號(hào)的研究技術(shù)相當(dāng)成熟，而且在人們?cè)诮?jīng)歷情感變化時(shí)，心電信號(hào)會(huì)有不同程度的變化趨勢(shì)，因此，以心電信號(hào)作為研究對(duì)象進(jìn)行情感識(shí)別的學(xué)者舉不勝舉。在“Affective?Wearable(In?Proceedings?of?the?FirstInternational?Symposium?on?Wearable?Computers，Oct，1997，Cambridge，MA)”一文中，美國(guó)的麻省理工學(xué)院媒體實(shí)驗(yàn)室曾經(jīng)從心電信號(hào)P-QRS-T波各波的間隔、幅度等計(jì)算六種統(tǒng)計(jì)特征(均值、中值、方差、最大值、最小值和范圍)采用SFFS、Fisher投影特征選擇算法和DFA、QDF分類器對(duì)8種情感進(jìn)行分類，取得了較好的識(shí)別結(jié)果。在“Emotion?Recognition?System?using?Short-term?Monitoring?of?Physiological?Signals(Medical?Biology?Engine?Computer，2004，42：419-427)”一文中，韓國(guó)的K.H.Kim采集175個(gè)被試的情感心電信號(hào)通過(guò)一定的設(shè)計(jì)方法，直接從心電信號(hào)提取出心率信號(hào)以及心率變異率信號(hào)(HRV)，從中提取特征后直接用支持向量機(jī)(SVM)對(duì)悲傷、憤怒、壓力和驚奇四種情感進(jìn)行分類；德國(guó)奧森堡大學(xué)的多媒體與信號(hào)處理實(shí)驗(yàn)室也是主要從心電信號(hào)提取出特征，著重比較了用SBS、SFS、ANOA這些特征選擇方法和KNN、LDF、MLP不同分類器相結(jié)合的情感識(shí)別效果，并研究發(fā)現(xiàn)：較低的心率變異率(HRV)表明是放松的狀態(tài)，而增強(qiáng)的HRV表明可能是精神緊張和受到挫折的狀態(tài)。

在特征選擇中，研究者大多采用傳統(tǒng)的特征選擇方法，有得甚至直接將提取的特征用于情感分類；而分類器的選擇也是根據(jù)經(jīng)驗(yàn)選擇分類效果好的分類器，所以各種各樣的分類器也就被應(yīng)用在情感分類中。對(duì)特征的提取也多采用提取統(tǒng)計(jì)特征的方法。

在特征選擇中，采用傳統(tǒng)的禁忌搜索算法，常常會(huì)引發(fā)維數(shù)災(zāi)難，導(dǎo)致特征選擇不能覆蓋在所有可能的解，使得最終特征選擇出的結(jié)果不為最優(yōu)解。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種有效避免維數(shù)災(zāi)難的用于心電特征選擇中禁忌搜索方法。

本發(fā)明為實(shí)現(xiàn)上述目的，采用如下技術(shù)方案：一種用于心電特征選擇的禁忌搜索方法，其特征在于：所述方法包括如下步驟：

采用序列后向算法，形成一個(gè)N-1行，N列的二維表L，其中N為選擇的特征總維數(shù)，每一列代表一個(gè)特征，每一行稱為一個(gè)空間，其中第n個(gè)空間選擇有n個(gè)特征，1≤n≤N-1；表內(nèi)每個(gè)元素的值用“0”或“1”表示，“0”代表在進(jìn)行特征選擇時(shí)該元素沒(méi)有被選中，“1”代表該元素被選中；

對(duì)每一空間內(nèi)的選中的特征采用禁忌搜索算法進(jìn)行求解，得到每個(gè)空間的解組成的表S；

選擇各個(gè)空間中適應(yīng)度函數(shù)最大的作為最終特征選擇結(jié)果。

其中每個(gè)空間中禁忌搜索算法的步驟為：