[发明专利]基于滤波与集成分类器的多模态生理信号情感分类方法

摘要

本发明公开了一种基于滤波与集成分类器的多模态生理信号情感分类方法，首先从标准数据集DEAP中获取脑电信号、眼电信号、肌电信号作为初始数据集D，选取A‑V情感维度模型中的A维度和V维度情感标签作为标签集L1和L2；根据Butterworth滤波器阶数和过滤信号频率确定4个带通滤波器，将数据集中每一行进行四次滤波，分别得到Theta波段、Alpha波段、Beta波段和Gamma波段数据；然后，将滤波后数据以长度为10秒时间窗计算Hjorth的三个时域参数，并结合不同生理信号的三个参数形成新的特征数据集；最后，将中的每一行集成分类器中，判定其所属的情感类别。

主权项

1.一种基于滤波与集成分类器的多模态生理信号情感分类方法，其特征在于按如下步骤进行：约定：D指所采用的多模态生理信号情感数据集；L指情感标签；A指A‑V情感维度模型中的Arousal维；V指A‑V情感维度模型中的Valence维；LA指Arousal维度中评价值小于等于5的一类；HA指Arousal维度中评价值大于5的一类；LV指Valence维度中评价值小于等于5的一类；HV指Valence维度中评价值大于5的一类；初始设置采用国际标准多模态生理信号数据集DEAP中的脑电信号、眼电信号、肌电信号作为初始数据集D，选取其中的A维度和V维度情感标签作为标签集L1，L2；b. 生理信号滤波处理b.1 设置Butterworth滤波器的阶数为8，设置过滤的信号波段分别为Theta波、Alpha波、Beta波、Gamma波，形成四个不同的带通滤波器；b.2 对初始数据集D中脑电信号、眼电信号、肌电信号的每一行数据使用不同的带通滤波器进行四次滤波，分别得到Theta波段数据、Alpha波段数据、Beta波段数据、Gamma波段数据；c. Hjorth参数计算c.1 对每一行数据，给定时间窗长度为10秒，分别计算Hjorth的3个时域参数；c.2 计算信号能量Activity参数，其中y(t)表示输入信号，var(X)表示向量X中元素的样本方差的无偏估计值：c.3 计算功率谱标准差比例Mobility参数：c.4 计算频率变化Complexity参数：c.5 结合Hjorth的3个时域参数，形成新的参数特征集；d. 分类器集成d.1 将支持向量机、随机森林、决策树三个分类器采用装袋方法组成集成分类器；d.2 将中的特征数据按条输入到组建的集成分类器中，通过三个不同分类器的共同作用，给出每条数据的所属情感类别LA/HA，LV/HV。