基于FCA-ReliefF的融合生理信号情绪识别研究

来源：计算机测量与控制杂志2020年第2期北京时间：

作者：潘礼正,尹泽明,佘世刚,袁峥峥,赵路

单位：常州大学 机械工程学院

摘要：针对当前情绪识别研究中特征维数多、识别率不高的问题,提出了基于多生理信号(心电、肌电、呼吸、皮肤电)融合及FCA-ReliefF特征选择的情绪识别方法。通过将从时域和频域两个维度提取的生理信号特征进行融合,作为分类器的输入进行情绪分类。为了降低特征维度,首先进行特征相关性分析(FCA)删除相关性较大的特征；再通过ReliefF剔除分类贡献弱的特征,达到降低特征维度的目的。在公开的数据集上进行验证,并与相关研究进行对比。结果表明,提出的方法在特征维度及识别率两个方面均有优势。提出的FCA-ReliefF降维策略有效地将特征从108维减少到60维,并且将识别精度提高到98.40%,验证了方法的有效性。

关键词：生理信号; 特征融合; 特征降维; 情绪识别;

基金资助：国家自然科学基金(61773078)；常州市科技支撑计划(CE20175040)。