[发明专利]一种基于皮肤电信号识别中文情感词的方法

权利要求书

1.一种基于皮肤电信号识别中文情感词的方法，其特征在于包含以下步骤：

S1：皮肤电采集；

S2：对采集之后的数据进行预处理；

S3：特征提取；

S4：归一化处理；

S5：特征选择；

S6：利用改进的模拟退火人工神经网络算法得到分类结果；

S7：在分类结果中加入情感词比对，进行识别。

2.根据权利要求1所述的基于皮肤电信号识别中文情感词的方法，其特征在于，步骤2中的预处理采用小波变换进行去噪处理。

3.根据权利要求1所述的基于皮肤电信号识别中文情感词的方法，其特征在于，步骤3中的特征提取是提取了信号的时域和频域中能代表皮肤电信号变化的统计值作为情感识别研究的原始特征。

4.根据权利要求3所述的基于皮肤电信号识别中文情感词的方法，其特征在于所述时域原始特征包括皮肤电信号的均值、中值、最大值、最小值、标准差、最小值比率、最大值比率、最大最小差值，以及将上述信号特征分别进行一阶差分、二阶差分计算后再提取以上统计特征后生成的24个时域特征。

5.根据权利要求3所述的基于皮肤电信号识别中文情感词的方法，其特征在于在提取所述频域特征前先对皮肤电信号进行离散傅里叶变换，然后计算频率均值、中值、标准差、最大值、最小值、最大最小差值，得到6个频域特征。

6.根据权利要求1所述的基于皮肤电信号识别中文情感词的方法，其特征在于步骤4中的所述归一化处理使得各特征值的取值范围限定在0到1之间，去除个体差异性的方法如下式:

X‾=XG-x~clam---(1)]]>

其中X_G为原始信号，为每个被试者平静下的均值，归一化之后得到：

X＝(X_G-X_mean)/(X_max-X_min)(2)。

7.根据权利要求1所述的基于皮肤电信号识别中文情感词的方法，其特征在于步骤5所述特征选择时在标准化后的数据中随机选取若干组，并将其分成三份:第一部分为分类器训练集，第二部分测试集测试分类效果，最后部分数据用来验证特征集在情感识别中的有效性。

8.根据权利要求1所述的基于皮肤电信号识别中文情感词的方法，其特征在于所述改进的模拟退火人工神经网络算法包含如下步骤：

步骤一：根据样本的输入和输出确定神经网络结构；

步骤二：运用有记忆的模拟退火算法，具体如下：

1)初始化参数，这样就产生了初始的权值S₀，此时设置初始温度T₀>0，迭代次数i＝0，检验精度ε，令f_out＝f(S₀)，f^*＝f(S₀),S_p＝S₀；

2)将网络权值S_p作为初始出发点S₀，按Powell算法进行优化，快速搜索到某一个局部极小值点；

3)设置记忆变量x′和f(x′),分别用于记忆当前遇到的最优解和最优目标函数值，算法刚开始时令x′和f(x′)分别初始化等于初始解x₀和其目标函数值f(x₀),迭代开始后,每当接受一个新的搜索解时,将其目标函数值f(x_k)与f(x′)进行比较,如果f(x_k)优于f(x′),则分别用x_k和f(x_k)代替原来的x′和f(x′)，最后算法结束时得到的就是全局最优解；

4)得到的新的一组网络权值S_p，令S_i＝S_p,f_out＝f(S_i)，f_*＝f(S_i)，将网络权值S_i作为迭代值x,设当前解S_i＝x，令T＝T_i,进行退火操作，得到一组新的网络权值S_i+1，按照T_i＝T₀/(1+ln(i))退火，i＝i+1；

5)退火后如果满足要求或迭代次数，则算法结束，如果f(S_i)<f_out，令S_p＝S_i+1，回到步骤4；

步骤三:神经网络训练及预测，训练是通过设置固定的输入和输出，确定网络结构，在训练过程中，神经网络不断调整各个神经元之间的连接权值，以减小训练输出与指定输出之间的误差，预测是训练好的网络对输入数据进行处理，得到输出的过程；

步骤四：最后将输出的结果与在实验过程中被试者输入的表格信息进行对比，完成对情感词识别比对。