基于生理设备的情感研究方法探析

情感因其自身的复杂性及其研究的多层次性和多模态性,必然会导致对其研究的多取向性.文章对基于脑电、皮肤电、心电、呼吸和肌电等多种生理设备的情感研究方法进行了归纳和总结.研究结果表明,生理信号与情感状态存在明显的映射关系,能更真实地反应出人的情感.并且随着人工智能的不断发展,这些生理信号在情感研究领域将会发挥更加显著的作用.另外,国内外针对该方面的研究,不管是理论方法还是应用领域等,都已经迈入了逐步成熟的阶段.

基于SFS的多模态生理信号情感识别

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。

基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究

为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别。通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.792 6。实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别。

英汉情感生理转喻的对比研究

基于相同的身体结构和情绪反应,英汉民族拥有着许多相同或相似的情感概念,英汉语言中的情感生理转喻有很多一致,并且在与基本的隐喻概念互动方面也有一些相似,这充分说明了认知相通性的现象。同时,因为受各自日常生活体验的影响,文化连贯性会在概念映射中留下不同的轨迹,造成英汉情感生理转喻在细节上存在一些差异。

情感状态模糊识别的研究

相比人脸和语音表情识别,生理信号能更客观地反映人们的情感状态.基于生理信号的情感计算研究越来越引起人们的关注.针对情感状态具有模糊特性,提出应用模糊理论从生理信号中选取特征向量进行分类识别.与其他分类方式相比,采用模糊分类识别研究更有助于其他学科的研究人员对情感发生机理的理解和深入研究.比较模糊理论与其他分类方式的识别结果,实验结果表明模糊识别效果总体与其他方式差距不大,但对不同的状态识别效果差距较小.

模糊支持向量机情感状态识别的研究

针对已有的情感生理参数样本类内聚合度低、不同状态较难区分的特点,提出了一种改进的模糊支持向量机识别方法。模糊隶属度函数采用高斯分布形式,高斯分布的参数分别由同类样本数据形成的最小超球体半径和样本之间的紧密程度决定。该方法计算样本模糊隶属度时,不仅考虑样本与类中心的距离关系,还要考虑样本与样本之间的关系。实验显示改进的模糊支持向量机方法识别性能得到提高。

论孟子“道性善”的“情气”背景及其根据

在中国哲学史上,孟子“性善论”影响是巨大的,它决定了后世儒家人性论的基本取向。孟子“性善论”的形成,是对当时已有心性资源的综合提升。在孟子以前,一些学者从情感的角度讨论人性,另一些学者从生理之气的角度讨论人性,而《郭店楚简》之《性自命出》则以情、气结合来演说人性。孟子综合以上说法,以四端之心(与情感相关)和清明“夜气”至善来论证人性至善,因为情感与精气乃是人的存在方式和存在基础。孟子又以“知皆扩而充之”为据,而以“牛山之木”的成长为例,论述了养情和养气的天然合理性,这样人性善就不仅有其应然性,也有其实然性。

情感生理反应样本库的建立与数据相关性分析

文中采用高收视率电影剪辑为唤起材料,以激发高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感,记录被试观看情感唤起材料时的皮肤电导、心率、脉搏、心电、呼吸、面部肌电和额叶的两路脑电信号,获得了300名普通大学生的情感生理反应样本.用随机矩阵理论对各路信号数据进行相关性分析,发现皮肤电导、心率、心电和呼吸生理信号各自的相关矩阵最大特征值和对应特征向量的分布背离了随机矩阵理论的预测,表现出集体的两两互相关,揭示了由情感因素影响产生的相关生理反应;脉搏、面部肌电和额叶的两路脑电各自相关矩阵的特征值和特征向量没有明显背离随机矩阵理论预测,表明这4路信号各自数据之间的相关性由非情感因素的随机噪声引起,因此基于随机矩阵理论的数据分析为提取生理信号特征以研究情感的生理反应模式提供了可靠依据.研究中提取了皮肤电导和心率的110个初始特征,采用后向选择选出最能代表情感生理反应的信号特征子集,使用Fisher映射对情感生理反应样本进行分类,构造了具有较好预测性能的情感识别系统,获得了每一种情感较好区别于其他情感的生理信号特征组合.

“乐以和其声”——读古典《乐记》的音乐“教化”论的启示

本文运用现代心理学、社会学的科学观点阐释古典《乐记》的乐教理论,探索其音乐教育的特殊功能及其社会作用,发掘其现实意义。

感悟声音美——从乐音的咏唱和弹奏看“声音美”

本文针对在学习音乐表演艺术的过程中的一些现象 ,通过对声音类型及声音的物理性、生理性、心理性、情感性的科学的全面的分析 ,以中外哲学家、美学家的理论思想作为指导 ,从“乐音的咏唱和弹奏”的独特视角 ,全面的阐述了对声音美的看法及其美的声音在演唱和演奏中的重要性。

基于ECG和HRV特征提取的情绪状态分析

心电(ECG)和心率变异性(HRV)是心脏活动的直接响应,与自主神经系统有着密切关系,不同情绪状态有特定的自主神经反应模式,因而ECG和HRV可以反映人体情绪变化.本文利用Augsburg大学建立的情感生理数据库,选取音乐情感诱发下的心电信号,对其进行滤波处理去除噪声和干扰;采用小波变换提取心电信号小波系数的模极值和过零点,得到心电R波信号,计算其一阶差分,获得4种情绪状态下的心率变异性特征信号;提取情绪诱发的心电和心率变异性信号的时域、频域和小波熵时频特征,并对特征进行差异统计检验和情绪状态分析.仿真结果表明,HRV特征相比ECG特征可以更有效地反映人体的情绪状态,小波熵特征和HRV频谱总功率特征对于不同情绪状态的差异性更显著,该研究可为机器情绪识别提供借鉴.

哲学视阈下以情育人的三个维度

情感是道德培育的重要组成部分,其育人作用日益受到重视。但由于情感自身的复杂性缺乏实证的依托,当前理论界对情感本身的研究较少,且呈现一种倾向:只论及少数几种情感,将情感层次单一化,使之流于简单化而难免片面性。只有依据情感的性质和特点,重新审视情感,才能切中情感的丰富内容。在教育中,只有生理情感、智性情感和审美情感与德育的结合,才可能真正确立起既有理性自觉又有意志自愿的知、情、意全面发展的理想人格。