粗糙集二进制布谷鸟算法在情感识别中的应用

为了提高情感识别过程中选择最优情感特征子集的能力,提出了一种粗糙集二进制布谷鸟算法.首先分别提取皮肤电、呼吸、肌电、脑电四种生理信号的原始特征;然后使用粗糙集二进制布谷鸟算法进行特征的优化选择,并使用支持向量机进行情感分类.仿真分析表明:提出的算法较好地优化了特征选择过程,可以通过较少特征获得较高的识别率,也说明了多模态生理信号的情感识别效果要优于单模态生理信号.

基于优化的LSTSVM的多模态生理信号情感识别

采用最小二乘双支持向量机(LSTSVM)进行情感识别,针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题,使用改进的萤火虫算法(MFA)来优选LSTSVM的各项参数,使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号,使用该算法进行情感识别,并与使用标准LSTSVM和粒子群LSTSVM算法的识别结果比较。仿真分析表明,提出的MFA-LSTSVM算法识别准确率更高,需要的训练时间更短。