[发明专利]一种用于心电特征选择的禁忌搜索方法

说明书

技术领域

本发明涉及一种生理信号情感识别方法，尤其涉及一种心电特征选择方法。

背景技术

情感识别是情感计算领域中的一个重要组成部分，如果要让计算机能从面部、姿势、语音和生理信号中识别出人类的情感，首先必须让计算机能识别情感，所以情感识别就显得非常重要。情感识别主要包括肢体情感识别、面部表情情感识别和语音情感识别和生理信号情感识别等方面。在“心率变异性在心身疾病和情绪障碍研究中的应用(心理学进展，2006，14(2)：261-265)”一文中，提出面部表情、语言姿势等流露出来的情感状态主要受神经系统控制，容易受到主观意识的控制。而生理信号是伴随着人的情感变化由人体内部器官产生的一种生物电信号，不易受主观意识的控制，所以更能客观真实的反映人的情感状态，更有鲁棒性和客观性，但基于生理信号情感识别的研究最困难的。

心电(ECG)信号是重要的生理信号之一，在“Affective Pattern Classification(Perceptual Computing Section Technical Report，1998，473)”一文中，美国MIT实验室的Picard教授采用四种生理信号(EMG、ECG、GSR、RSP)率先证明从生理信号中提取特征模式来进行情感识别是有效的，并且研究表明，ECG信号能够体现情感状态的变化，从中提取的特征能够反映情感状态的差异。由于心电、心率信号的研究技术相当成熟，而且在人们在经历情感变化时，心电信号会有不同程度的变化趋势，因此，以心电信号作为研究对象进行情感识别的学者举不胜举。在“Affective Wearable(In Proceedings of the FirstInternational Symposium on Wearable Computers，Oct，1997，Cambridge，MA)”一文中，美国的麻省理工学院媒体实验室曾经从心电信号P-QRS-T波各波的间隔、幅度等计算六种统计特征(均值、中值、方差、最大值、最小值和范围)采用SFFS、Fisher投影特征选择算法和DFA、QDF分类器对8种情感进行分类，取得了较好的识别结果。在“Emotion Recognition System using Short-term Monitoring of Physiological Signals(Medical Biology Engine Computer，2004，42：419-427)”一文中，韩国的K.H.Kim采集175个被试的情感心电信号通过一定的设计方法，直接从心电信号提取出心率信号以及心率变异率信号(HRV)，从中提取特征后直接用支持向量机(SVM)对悲伤、愤怒、压力和惊奇四种情感进行分类；德国奥森堡大学的多媒体与信号处理实验室也是主要从心电信号提取出特征，着重比较了用SBS、SFS、ANOA这些特征选择方法和KNN、LDF、MLP不同分类器相结合的情感识别效果，并研究发现：较低的心率变异率(HRV)表明是放松的状态，而增强的HRV表明可能是精神紧张和受到挫折的状态。

在特征选择中，研究者大多采用传统的特征选择方法，有得甚至直接将提取的特征用于情感分类；而分类器的选择也是根据经验选择分类效果好的分类器，所以各种各样的分类器也就被应用在情感分类中。对特征的提取也多采用提取统计特征的方法。

在特征选择中，采用传统的禁忌搜索算法，常常会引发维数灾难，导致特征选择不能覆盖在所有可能的解，使得最终特征选择出的结果不为最优解。

发明内容

本发明的目的是提供一种有效避免维数灾难的用于心电特征选择中禁忌搜索方法。

本发明为实现上述目的，采用如下技术方案：一种用于心电特征选择的禁忌搜索方法，其特征在于：所述方法包括如下步骤：

采用序列后向算法，形成一个N-1行，N列的二维表L，其中N为选择的特征总维数，每一列代表一个特征，每一行称为一个空间，其中第n个空间选择有n个特征，1≤n≤N-1；表内每个元素的值用“0”或“1”表示，“0”代表在进行特征选择时该元素没有被选中，“1”代表该元素被选中；

对每一空间内的选中的特征采用禁忌搜索算法进行求解，得到每个空间的解组成的表S；

选择各个空间中适应度函数最大的作为最终特征选择结果。

其中每个空间中禁忌搜索算法的步骤为：