[发明专利]一种子情绪划归方法

权利要求书

1.一种子情绪划归方法，所述方法用于以子情绪的方式描述原始情绪矢量,其特征在于，包括：

量化原始情绪的表达程度；原始情绪向量原始情绪向量的值为a＝{a₀,a₁,a₂,a₃,a₄,a₅,a₆,a₇}，各个位置值的含义依次为讶异程度、狂喜程度、愤怒程度、悲痛程度、警惕程度、热爱程度、憎恨程度、恐慌程度；使用预设的三级分类算法划分原始情绪的子情绪，得到原始情绪矢量；

所述原始情绪矢量被用于作为下述步骤的输出：

获取采集到的原始生理信号；

对所述原始生理信号进行数据处理，得到其对应的情绪信号矢量；

根据神经网络模型获取所述情绪信号矢量对应的分组编号以得到目标分组；

输出所述目标分组中的目标情绪信号矢量对应的原始情绪矢量；

所述神经网络以情绪信号矢量为输入，以情绪信号矢量对应的分组编号为输出；所述神经网络模型包括输入层、神经元层和输出层；所述神经元层包括多个子层，每个子层的神经元都有对应编号，并且每个子层的神经元数量相等；在每个子层内部，相邻的神经元互相连接通信，并且每个神经元与下一层对应编号的神经元连接通信；

所述神经网络的得到方式包括：

获取原始数据集，所述原始数据集中的每个元素均包括原始生理信号数据包和原始情绪向量；

从原始数据集中提取情绪信息，构建与原始数量集中的元素一一对应的训练集，所述训练集中的元素均为情绪信号构成的情绪信号矢量，所述情绪信号矢量与所述原始情绪向量之间具备一一对应关系；与原始数量集中元素对应的情绪信号构成的情绪信号矢量各个位置的含义依次为：第一特征参量、第二特征参量、α波出现频率、β波出现频率、θ波出现频率、脉搏速率平均值、呼吸强度平均值和呼吸频率平均值；

根据所述情绪信号矢量和所述原始情绪向量之间的一一对应关系训练预设神经网络模型。

2.根据权利要求1所述的方法，其特征在于：

使用数值0-100来量化原始情绪的表达程度，其中100表达最为强烈，0表达最为轻微。

3.根据权利要求1所述的方法，其特征在于：

对于每个原始情绪均设定其对应的第一界值和第二界值，每个原始情绪对应的第一界值可以不同，第二界值也可以不同。