作者：王晗; 王坤侠生理情感识别序列前向选择支持向量机统计特征
摘要：多模态生理信号通常具有较高的维度,高维度的特征集不仅包括噪声数据和多余数据,影响分类结果,并且在情感识别过程中将花费大量的计算机开销。因此,从高维度的特征集中选取质量较优,影响因子较大的特征具有重要意义。文中主要提取血容量搏动信号,肌电信号,呼吸信号和皮肤电反应信号四种生理信号的平均值、标准偏差、一阶差值的绝对值的平均值、归一化信号的一阶差值的绝对值的平均值、二阶差值的绝对值的平均值、归一化信号的二阶差值的绝对值的平均值这6种统计特征,采用序列前向选择算法进行生理信号特征选择,最后用支持向量机和K近邻作为分类器对选取的特征子集进行样本集的分类,分类的精度作为衡量特征子集好坏的标准。实验结果表明,采用序列前向选择算法,可以选出比原始特征集维度更低且更优的特征子集。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
