[發明專利]一種基于深度模糊森林的情緒識別方法

在審

• 申請號: 201911204760.3
• 申請日: 2019-11-29
• 公開（公告）號: CN111000556A
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 何宏;姚慧芳;譚永紅
• 申請（專利權）人: 上海師范大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;A61B5/16;A61B5/00;G06K9/62
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 王懷瑜

本發明涉及一種基于深度模糊森林的情緒識別方法，該方法包括以下步驟：S1：采集腦電信號；S2：對腦電信號進行預處理，以去除噪聲；S3：將腦電信號輸入經過預訓練后的深度模糊森林模型中，獲取情緒識別結果，所述步驟S3中，深度模糊森林模型采用多粒度掃描，從腦電信號中獲取腦電信號特征的概率向量，作為級聯森林的輸入；采用級聯森林，對腦電信號特征的概率向量進行識別，獲取情緒識別結果，所述多粒度掃描和所述級聯森林均采用模糊決策樹構建。與現有技術相比，本發明情緒識別方法將模糊集合理論與傳統決策樹學習策略相結合，具有獨創性、識別度高、參數少、可用于小樣本數據集、結果準確可靠等優點。

技術領域

本發明涉及情緒識別領域，尤其是涉及一種基于深度模糊森林的情緒識別方法。

背景技術

隨著科學技術的發展，人們的生活越來越豐富，跨學科知識和技術的融入使得對心理相關疾病的研究手段也越來越多樣化。情緒是綜合人的感覺、思想和為產生出來的一種心理狀態，在人們的日常生活、工作和學習中無處不在，不良情緒會影響我們的身體健康，也會影響到心情，嚴重的會導致抑郁癥、焦慮癥等，對人際關系的交往產生重大影響。而在這些疾病的研究治療中，音樂也發揮了越來越大的作用，現在也已經形成了專門的“音樂治療”學科。所謂“音樂治療”，就是研究音樂對人體機能的影響，使其達到放松心情、緩解情緒的目的。

目前，情緒識別的方法主要有基于非生理信號和生理信號兩種情緒識別方法。生理信號，包括自主生理信號(心電、肌電、皮電、呼吸)和中樞神經信號(腦電、腦血氧信號)等，與非生理信號(面部表情、語音、肢體動作等)相比，生理信號不易受到人主觀意識的控制和影響，故客觀性和識別準確率更高。其中，腦電信號能直接提取大腦信號，反映大腦活動狀態，具有提取方便，時間分辨率高，實時性強的優點。

然而腦電信號是一種隨機非平穩的微弱信號，通常只有0.2～1毫伏，具有隨機性和非平穩性強、非線性、背景噪聲復雜等特點，為了全面觀測，通常用于識別的腦電數據維度高且數據量大。加之情緒的復雜多樣性，同一個人同一段音樂下的情緒可能不同，不同人不同音樂下的情緒可能相同，這些均是基于音樂的腦電信號情緒識別的難點所在。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種能從小樣本數據集中進行情緒識別并且識別度高的基于深度模糊森林的情緒識別方法。

本發明的目的可以通過以下技術方案來實現：

一種基于深度模糊森林的情緒識別方法，該方法包括以下步驟：

1)采集腦電信號；

2)對腦電信號進行預處理，以去除噪聲；

3)將腦電信號輸入經過預訓練后的深度模糊森林模型中，獲取情緒識別結果。

進一步地，所述步驟3)中，深度模糊森林模型采用多粒度掃描，從腦電信號中獲取腦電信號特征的概率向量，作為級聯森林的輸入；采用級聯森林，對腦電信號特征的概率向量進行識別，獲取情緒識別結果，所述多粒度掃描和所述級聯森林均采用模糊決策樹構建。

進一步地，所述獲取腦電信號特征的概率向量，作為級聯森林的輸入過程具體為，所述多粒度掃描包括W個滑動窗口和N_SF個模糊決策森林；每個滑動窗口掃描所述腦電信號產生N₁個實例，一個實例經過一個模糊決策森林的訓練，產生p＝[p₁,p₂,…p_K]的概率向量；每個掃描腦電信號的滑動窗口產生N₂個K維的概率向量，N₂＝N_SF×N₁；多粒度掃描將這些概率向量連接在一起形成一個窗口向量將所有滑動窗口產生的窗口向量串聯，作為級聯森林的輸入；所述滑動窗口的形狀包括長方形和正方形，所述模糊決策森林采用模糊決策樹構建。其中，W、N_SF、N₁、N₂和K均為正整數。