[發(fā)明專利]基于集成學習方法AdaBoost的腦電信號情感識別

在審

• 申請?zhí)枺?/td>: 202010977310.4
• 申請日: 2020-09-17
• 公開（公告）號: CN112200016A
• 公開（公告）日: 2021-01-08
• 發(fā)明（設計）人: 陳宇;常銳
• 申請（專利權）人: 東北林業(yè)大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明涉及一種基于集成學習方法AdaBoost的腦電信號情感識別方法，其中腦電信號情感識別的方法包括：首先導入DEAP數(shù)據(jù)集(本身已經(jīng)過降采樣至128Hz并去除偽跡)，取出32個數(shù)據(jù)文件的前32個通道的后60s數(shù)據(jù)，并提取出數(shù)據(jù)和0/1標簽；然后進行特征提取和特征選擇，從腦電信號數(shù)據(jù)中提取出與情感相關的時域、頻域和非線性特征；接下來，進行4個維度(Valence,Arousal,Dominance,Liking)上的情感二分類，將提取出的特征數(shù)據(jù)劃分成訓練集和測試集，訓練集輸入到訓練好的AdaBoost分類器，測試集采用5折交叉驗證的方法驗證分類效果。此外，使用Random Forest和XGBoost分類器進行對比實驗，發(fā)現(xiàn)本發(fā)明中的方法性能最優(yōu)，使得情感識別準確率得到了較為明顯的提升。

技術領域：

本發(fā)明涉及機器學習與情感識別領域，尤其涉及一種基于集成學習方法AdaBoost的腦電信號情感識別。

背景技術：

眾所周知，情感在人們的日常學習、生活等活動中扮演著重要的角色，它簡化了人與人之間的交流，并使其變得生動形象。情感既可以通過說話時的語音語調(diào)、面部表情這種他人易察覺的方式表達，亦可通過神經(jīng)系統(tǒng)的生理變化這種他人不易察覺的方式表達。然而，由于語音語調(diào)、面部表情的“可偽造性”，前者并不是判別情感的可靠指標，生理信號則更為準確。因此，近年來，伴隨著人工智能技術的不斷發(fā)展，基于生理信號，尤其是腦電(EEG)信號的情感識別日漸成為一個熱門的研究課題，引起了人們的廣泛關注。

但腦電信號作為一種混沌時間序列，其蘊藏的豐富情感信息并不是我們顯而易見的，而是隨著時間變化以“數(shù)值”的形式表現(xiàn)出來。自然地，這些“數(shù)值”中也會含有一些與情感相關度不大的信息以及影響情感識別的噪聲。若直接將腦電信號數(shù)據(jù)送入分類器，分類器自身難以識別，從而會嚴重影響到情感識別效果，這樣的研究并沒有實際意義。

因此，這需要我們從腦電信號中深入挖掘其內(nèi)含的信息，在過濾掉噪聲和無關信息的基礎上，提取出有效信息后再進行情感識別。大量腦電信號相關的研究中均提到了這種方案，即：對預處理后的腦電信號進行特征提取，然后再將這些與情感相關的特征數(shù)據(jù)送入分類器進行情感識別，使得情感識別準確率得到了一定的提升。雖然嘗試的特征提取和分類方法各異，但這類方案中大多存在一個共性的問題：提取的特征類別單一，一般僅考慮了時域或頻域特征，難以較為全面地反映情感特征信息，并且使用的分類方法多集中在傳統(tǒng)機器學習領域(如KNN,SVM,ANN等)，使得分類器分類性能受限。

發(fā)明內(nèi)容：

本發(fā)明的目的是克服現(xiàn)有方法的不足，提出一種基于集成學習方法AdaBoost的腦電信號情感識別方法。此方法使用情感識別標準數(shù)據(jù)集——DEAP數(shù)據(jù)集(Python版)，進行特征提取后在4個情感維度Valence,Arousal,Dominance,Liking上通過AdaBoost分類器進行情感二分類。特別是涉及到的特征提取環(huán)節(jié)，此環(huán)節(jié)中提取時域、頻域與非線性三類特征，并通過有監(jiān)督的特征選擇方法降低特征維數(shù)，以解決現(xiàn)有系列腦電信號情感識別方法提取的特征反映的情感相關信息不夠全面、分類器分類性能受限等問題。此方法包括如下步驟：

步驟1：讀入預處理后的數(shù)據(jù)集，確定要使用的數(shù)據(jù)范圍；

步驟2：對腦電信號數(shù)據(jù)進行特征提取與特征選擇，提取出與情感相關的特征；

步驟3：將步驟2得到的特征數(shù)據(jù)送入AdaBoost分類器進行訓練，并通過本實驗及其對比實驗測試其性能。

步驟1的實現(xiàn)包括：

步驟1.1：讀入從官網(wǎng)下載的DEAP數(shù)據(jù)集源文件(本身已經(jīng)過一定的預處理，并降采樣至128Hz)，導入32個.dat文件的前32個通道的后60s數(shù)據(jù)(去除前3s與情感不相關的基線信號數(shù)據(jù))；