换一批摘要目的 为了提高使用心电信号特征参数进行情绪识别的准确率与效率,提出一种基于改进核主成分分析的遗传算法:优化遗传算法反向传播(improved kernel principal component analysis-genetic algorithm-back propagation,IKPCA-GA-BP)神经网络.方法 首先,以心电传感器记录的数据为试验样本,利用自适应选取γ值的改进核主成分分析算法,对二进样条小波变换提取的多组特征进行数据降维和数据重构,得到综合变量;其次,建立反向传播神经网络模型,并利用遗传算法优化网络的初始权值和偏置值;最后,通过改变模型训练样本与测试样本比例,对比分析IKPCA-GA-BP算法与传统识别算法的情绪分类效果.结果 该算法在保证准确率达到 96％的前提下,可在 1s左右识别相关情绪.另外,对于悲伤情绪的识别,大多数模型表现得并不理想,而IKPCA-GA-BP算法可实现接近 100％的准确率.结论 心电信号中,P波、QRS波群和T波包含许多有助于情绪识别的信息(例如R-R间期、P 波振幅等),但这些信息并不能直接用于试验分析,需要通过有效的组合与处理才能发挥最大作用.此外,在高兴、轻松、悲伤和恐惧这四种情绪中,多数识别算法通常较难准确辨别悲伤情绪.
更多相关知识
关键词
心电信号自适应选取γ值核主成分分析小波变换情绪识别ECG signaladaptive selection of γ valuekernel principal component analysiswavelet transformemotion recognition
栏目名称
DOI
10.13308/j.issn.2095-9354.2024.05.012
发布时间
2024-10-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省高校自然科学基金资助项目（20KJB520008）
- 浏览8
- 被引1
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
