[发明专利]情感识别模型生成装置及其生成情感识别模型的方法

权利要求书

1.一种情感识别模型生成装置，包括：

信号采集模块，用于采集人体的多种生理信号；

特征提取模块，用于提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为：生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、生理信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值；

选择模块，用于从所述原始特征集中选出最优特征子集；所述选择模块包括：初始化子模块，用于将蚂蚁种群的规模设定为所述原始特征集中的特征数，将迭代次数设定为固定值，并初始化信息素矩阵；获取子模块，用于根据伪随机比例规则获取每一所述时域特征的标记状态；求解子模块，用于通过利用蚂蚁以及标记状态求解得到特征子集，其中，所述求解子模块还用于根据所述特征子集的分类正确率及特征个数得到第一适应度值，并排序选出第一最优解，并利用变异规则对所述第一最优解进行变异得到多个变异解，根据所述多个变异解以及所述第一最优解的分类正确率及特征个数得到第二适应度值，并排序选出第二最优解，利用邻域交换规则搜索所述第二最优解的邻域内的邻域解，根据所述邻域解以及所述第二最优解的分类正确率及特征个数得到第三适应度值，并排序选出第三最优解；判断子模块，用于判断迭代次数是否达到固定值，其中所述求解子模块在所述迭代次数达到固定值时将所述第三最优解作为最优特征子集，并输出；

建立模块，用于根据所述最优特征子集建立情感识别模型。

2.如权利要求1所述的情感识别模型生成装置，其特征在于，所述选择模块还包括：

更新子模块，用于在所述迭代次数没有达到固定值时根据所述第三最优解更新所述信息素矩阵。

3.如权利要求2所述的情感识别模型生成装置，其特征在于，所述伪随机比例规则为：

其中s表示特征i的标记状态，τ_ij表示时域特征i在状态j时的信息素浓度，当j＝1表示被选中，j＝0表示不被选中，q为从[0,1]之间等概率选取的一个随机数，q₀为一参数，其中0≤q₀≤1。

4.如权利要求3所述的情感识别模型生成装置，其特征在于，所述获取子模块在q≤q₀时根据信息素浓度值τ_i0和τ_i1的大小得到所述时域特征i的标记状态，在q>q₀时根据得到所述时域特征i的标记状态。

5.如权利要求1所述的情感识别模型生成装置，其特征在于，所述变异规则为所述求解子模块改变所述第一最优解中至少一个所述时域特征的标记状态，然后对所述改变后的第一最优解求变异解。

6.如权利要求1所述的情感识别模型生成装置，其特征在于，所述邻域交换规则为所述求解子模块搜索所述第二最优解的邻域内的邻域解。

7.一种生成情感识别模型的方法，包括以下步骤：

采集人体的多种生理信号；

提取每一种所述生理信号的6个时域特征，形成原始特征集，其中，所述6个时域特征为：生理信号的均值、生理信号的标准差、生理信号的一阶差分绝对值的均值、标准化信号一阶差分绝对值的均值、生理信号的二阶差分绝对值的均值以及标准化信号二阶差分绝对值；

从所述原始特征集中选出最优特征子集；该步骤还包括以下子步骤：

将蚂蚁种群的规模设定为所述原始特征集中的特征数，将迭代次数设定为固定值；

初始化信息素矩阵；

根据伪随机比例规则获取每一所述时域特征的标记状态；

通过利用蚂蚁以及标记状态求解得到特征子集；

根据所述特征子集的分类正确率及特征个数得到第一适应度值，并排序选出第一最优解；

利用变异规则对所述第一最优解进行变异得到多个变异解；

根据所述多个变异解以及所述第一最优解的分类正确率及特征个数得到第二适应度值，并排序选出第二最优解；

利用邻域交换规则搜索所述第二最优解的邻域内的邻域解；

根据所述邻域解以及所述第二最优解的分类正确率及特征个数得到第三适应度值，并排序选出第三最优解；

判断迭代次数是否达到固定值；

当所述迭代次数达到固定值时将所述第三最优解作为最优特征子集，并输出；

根据所述最优特征子集建立情感识别模型。