日韩在线一区二区三区,日本午夜一区二区三区,国产伦精品一区二区三区四区视频,欧美日韩在线观看视频一区二区三区 ,一区二区视频在线,国产精品18久久久久久首页狼,日本天堂在线观看视频,综合av一区

[發明專利]基于機器學習和生理信號的情緒識別模型構建方法及系統有效

專利信息
申請號: 202110702914.2 申請日: 2021-06-24
公開(公告)號: CN113397546B 公開(公告)日: 2022-06-21
發明(設計)人: 張立偉;閆茂松;鄧震;何炳蔚;鄒澄圣;施家峰 申請(專利權)人: 福州大學
主分類號: A61B5/16 分類號: A61B5/16;A61B5/0205;A61B5/316;A61B5/33;A61B5/346;A61B5/389;A61B5/397;A61B5/00
代理公司: 福州元創專利商標代理有限公司 35100 代理人: 陳明鑫;蔡學俊
地址: 350108 福建省福州市*** 國省代碼: 福建;35
權利要求書: 查看更多 說明書: 查看更多
摘要:
搜索關鍵詞: 基于 機器 學習 生理 信號 情緒 識別 模型 構建 方法 系統
【權利要求書】:

1.一種基于機器學習和生理信號的情緒識別模型構建方法,其特征在于,包括以下步驟:

步驟S1、獲取樣本人群的多種生理數據,并構建第一樣本數據集;

步驟S2、從得到的第一樣本數據集中提取各生理信號特征,預處理后得到第二樣本數據集,并按預設比例分為訓練集和驗證集;

步驟S3、選取分類機器學習模型為每種生理信號構造一級模型,將訓練集作為輸入進行訓練,得到若干情緒識別模型;

步驟S4、對每個情緒識別模型進行準確性分析,并計算不同模型之間的相關性,以及樣本數據的穩定性,由此得到相應情緒識別模型的融合權重;

步驟S5、基于情緒識別模型的融合權重,結合所有情緒識別模型,構建綜合預測模型;

所述步驟S2具體為:根據每種生理信號的特點提取生理信號特征,對所述生理信號特征進行數據清洗和標準化,并進行特征變量篩選,剔除無關變量,剩余變量構成第二樣本數據集;

所述生理信號特征,

包括從心電信號中提取平均心率、波峰間隔時間的平均值、波峰間隔時間的標準差、波峰間隔時間大于20毫秒的個數占總數的比例、波峰間隔時間大于50毫秒的個數占總數的比例的心率變異性特征;

從皮電信號中分析皮膚電導水平和皮膚電導反應,包括從皮膚電導水平和皮膚電導反應提取兩者的均值、方差、頻率的特征;

包括從肌電信號中提取肌電激活次數、肌電信號曲線的積分的特征;

包括從脈搏信號中提取平均心率、波峰間隔時間的平均值、波峰間隔時間的標準差、波峰間隔時間大于20毫秒的個數占總數的比例、波峰間隔時間大于50毫秒的個數占總數的比例的脈搏變異性特征;

所述步驟S4具體為:

通過測試集分析各個一級模型的分類準確性,作為融合權重的第一個指標;計算不同生理信號特征產生的訓練集之間的互信息,作為融合權重的第二個指標;計算待分類信號的穩定性,表征該信號的質量,作為融合權重的第三個指標;將三個權重歸一化后相加得到每個一級模型的最終融合權重;

所述步驟S5具體為:

由所述情緒識別模型的融合權重,決定每種生理信號產生的一級模型在融合模型中的重要性;將每個一級模型的分類結果乘上權重大小,結合得出最終的綜合預測模型。

2.根據權利要求1所述的基于機器學習和生理信號的情緒識別模型構建方法,其特征在于,所述第一樣本數據集包括具體生理數據為:心電,肌電,皮膚電,脈搏。

3.根據權利要求1所述的基于機器學習和生理信號的情緒識別模型構建方法,其特征在于,所述數據清洗和標準化具體為:

剔除不符合生物學規律的數據以及相互矛盾的數據,對缺失數據以及偏移數據進行處理,包括:對缺失較多特征值的元組進行刪除;存在個別缺失值的元組用人工填補缺失值法處理;超出不合理范圍的數據,超過上限的用最大值代替,低于下限的用最小值代替;分類屬性缺失值用眾數代替,數值型缺失數據用均值代替;采用人工修正法將偏移數據值與對應的情緒屬性名稱進行匹配;然后對所述生理信號特征數據進行數據標準化,將其映射到[-1 ,1]上。

4.根據權利要求1所述的基于機器學習和生理信號的情緒識別模型構建方法,其特征在于,所述特征變量篩選具體為:

使用單因素邏輯回歸對訓練集中的參與者進行分析,篩選對情緒識別分類有影響的特征變量;其中將P<0.05的變量作為顯著變量并納入最終的模型構建,其余的特征變量進行篩除,將P<0.05的變量作為顯著變量并納入最終的模型構建。

5.根據權利要求1所述的基于機器學習和生理信號的情緒識別模型構建方法,其特征在于,所述步驟S3具體為:

選取隨機森林、梯度提升樹、支持向量機分類機器學習模型中的任意一種構造一級模型,將每種生理信號特征的訓練集分別作為一級模型的輸入,得到每種生理信號的情緒預測模型。

6.一種基于機器學習和生理信號的情緒識別模型構建系統,其特征在于,包括依次連接的數據處理分析模塊、機器學習模型模塊、參數調整模塊、預測模塊和數據保存模塊;所述數據處理分析模塊用于獲取各種生理信號并進行初步分析處理;所述機器學習模型模塊包括單分類器預測模型和融合模型;所述參數調整模塊采用網格搜索對模型進行優化;所述預測模塊用于模型的輸出,預測用戶的情緒類別;所述保存模塊用于存儲用戶的生理特征集以及情緒分類信息,該系統執行如權利要求1-5任一所述方法。

下載完整專利技術內容需要扣除積分,VIP會員可以免費下載。

該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于福州大學,未經福州大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服

本文鏈接:http://www.szxzyx.cn/pat/books/202110702914.2/1.html,轉載請聲明來源鉆瓜專利網。

×

專利文獻下載

說明:

1、專利原文基于中國國家知識產權局專利說明書;

2、支持發明專利 、實用新型專利、外觀設計專利(升級中);

3、專利數據每周兩次同步更新,支持Adobe PDF格式;

4、內容包括專利技術的結構示意圖流程工藝圖技術構造圖

5、已全新升級為極速版,下載速度顯著提升!歡迎使用!

請您登陸后,進行下載,點擊【登陸】 【注冊】

關于我們 尋求報道 投稿須知 廣告合作 版權聲明 網站地圖 友情鏈接 企業標識 聯系我們

鉆瓜專利網在線咨詢

周一至周五 9:00-18:00

咨詢在線客服咨詢在線客服
tel code back_top
主站蜘蛛池模板: 午夜影皖精品av在线播放| 99国产午夜精品一区二区天美| 激情久久久| 精品欧美一区二区精品久久小说| 国产精品高潮呻吟88av| 妖精视频一区二区三区| 一本色道久久综合亚洲精品浪潮| 欧美高清性xxxxhdvideos| 国产精品视频二区不卡| 99国产精品欧美久久久久的广告| 国产农村妇女精品一区二区 | 久久精品视频中文字幕| 福利片一区二区三区| 国产69精品久久久久按摩| 久久精品国产亚洲一区二区| 日韩欧美一区二区在线视频| 日韩久久电影| 激情aⅴ欧美一区二区三区| 国产剧情在线观看一区二区| 99国产精品永久免费视频 | 中文字幕一区三区| 久久久久国产精品嫩草影院| 亚洲欧洲日韩av| 日韩av在线播放网址| 激情久久综合| 国产精品自拍在线| 日本高清不卡二区| 日本二区在线观看| 国产高潮国产高潮久久久91| 四虎国产精品永久在线国在线 | 欧美精品久| 久久一级精品| 国偷自产一区二区三区在线观看| 99精品偷拍视频一区二区三区| 午夜爱爱电影| 日本久久丰满的少妇三区| 欧美日韩一区二区三区69堂| 久久精品一二三| 亚洲国产视频一区二区三区| 亚洲国产精品激情综合图片| 日韩精品一区三区| 亚洲美女在线一区| 一区二区三区毛片| 国产免费一区二区三区网站免费 | 国产一区二区三区四| 久久国产精品久久久久久电车| 中文字幕一区二区三区不卡| 久久99亚洲精品久久99果| 91片在线观看| 久久精品国产96| 视频一区二区国产| 欧美精品在线观看一区二区| 国产剧情在线观看一区二区| 视频一区二区中文字幕| 一区二区在线国产| 国产精品欧美一区二区视频| 在线精品国产一区二区三区88| 国产精品九九九九九| 午夜精品影视| 色噜噜狠狠狠狠色综合久| 欧美日韩偷拍一区| 中文字幕一区一区三区| 午夜影院一区二区| 国产91清纯白嫩初高中在线观看| 久久99国产精品视频| 性精品18videosex欧美| 国产精品一级片在线观看| 国产专区一区二区| 99国产精品欧美久久久久的广告| 狠狠色狠狠色很很综合很久久| 亚洲国产欧洲综合997久久,| 狠狠插狠狠爱| 国产69精品久久99不卡解锁版| 91热精品| 日本高清一二区| 91精品系列| 欧美精品亚洲一区| 99精品久久99久久久久| 亚洲四区在线| 国产乱淫精品一区二区三区毛片| 亚洲五码在线| 国精产品一二四区在线看|