[发明专利]一种用于识别情绪的分类器的获取方法有效
申请号: | 201811648316.6 | 申请日: | 2018-12-30 |
公开(公告)号: | CN109685156B | 公开(公告)日: | 2021-11-05 |
发明(设计)人: | 金涛;江浩 | 申请(专利权)人: | 杭州灿八科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 杭州橙知果专利代理事务所(特殊普通合伙) 33261 | 代理人: | 李品 |
地址: | 310000 浙江省杭州市滨*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 识别 情绪 分类 获取 方法 | ||
1.一种用于识别情绪的分类器的获取方法,其特征在于,包括:
获取第一样本集和第二样本集;第一样本集和第二样本集中每个元素均包括四个内容,分别为基于心率变异率的第一特征值,基于皮肤电导信号的第二特征值、基于皮肤电导信号的第三特征值以及情绪分类结果;
获取训练过程控制参数并初始化循环控制参数和分类器;
执行循环训练过程:从所述第一样本集和第二样本集中各有放回的随机抽取一半数据得到当前训练样本集;根据所述当前训练样本集训练符合预设要求的子分类器;
将所述子分类器与当前的分类器级联以更新当前的分类器;更新当前的分类器的误判率和检测率;
判断当前的分类器的误判率是否大于最大误判率;若否,则输出当前的分类器;
其中,心率变异率的第一特征值的获取方法,包括:
根据心率变异率序列得到待重构序列;其中,,其中为所述心率变异序列的总长度,为长度为的序列,为分段参数;
对所述待重构序列进行维的相空间重构得到目标序列;其中,其中为固定值;
计算目标序列相邻元素之间的相对距离得到目标距离序列;
根据预设公式计算所述心率变异率的第一特征值;所述公式为,其中,其中为标准差的0.2倍,;
皮肤电导信号的第二特征值的获取方法,包括:
根据皮肤电导信号序列得到待卷积序列,;
将所述待卷积序列与预设窗函数进行卷积得到卷积序列;
根据所述卷积序列得到第二特征值,第二特征值的获取根据公式;
基于皮肤电导信号的第三特征值的获取方法,包括:
获取皮肤电导信号;
根据公式计算皮肤电导信号的第三特征值;为浓缩参数,为皮肤电导信号的长度,为浓缩参数的第一内部参数,为浓缩参数的第二内部参数,用于表示重点提取信息的部分在所述皮肤电导信号中的位置;,其中,为浓缩核,浓缩核定义为,其中为超几何函数,为与有关的常量,其取值可以为。
2.根据权利要求1所述的方法,其特征在于:
每个样本使用(,)来表示,则每个样本中的用于分类的特征使用统一标识,即为向量,其各个分量分别表示基于心率变异率的第一特征值,基于皮肤电导信号的第二特征值、基于皮肤电导信号的第三特征值;情绪分类结果使用表示:如果是负面情绪,则被标记为1,否则,被标记为0。
3.根据权利要求2所述的方法,其特征在于:
若是,则清空第二样本集;使用当前的分类器对于对于第一样本集进行分类,并将分类错误的样本加入第二样本集,并重复执行执行循环训练过程的步骤。
4.根据权利要求2所述的方法,其特征在于:
子分类器的训练方法包括:
初始化当前训练样本集中每个样本的权值、训练阈值和当前训练样本集中样本的权值分布的调整次数;
使用具有权值的当前训练样本,依据训练阈值训练多个线性元分类器;
使用当前训练样本验证每个线性元分类器以得到其误判率;
根据误判率得到疑似子分类器;
验证所述疑似子分类器是否满足预设要求,若满足,则判定所述疑似子分类器为子分类器。
5.根据权利要求4所述的方法,其特征在于:
若不满足,则调整当前训练样本集中每个样本的权值;调整训练阈值;重新训练线性元分类器。
6.根据权利要求5所述的方法,其特征在于:
所述调整当前训练样本集中每个样本的权值为:增大被所述疑似子分类器错误分类的样本的权重,降低被所述疑似子分类器正确分类的样本的权重。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州灿八科技有限公司,未经杭州灿八科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811648316.6/1.html,转载请声明来源钻瓜专利网。