[发明专利]一种基于自适应模糊支持向量机的情绪识别方法

权利要求书

1.一种基于自适应模糊支持向量机的情绪识别方法，其特征在于：具体包括以下步骤：

步骤1，提取患者的情绪生理信号，进而选取情绪的训练样本集S，且Si＝{S1,S2,S3}，其中，Si是第i类情绪样本集，其中i＝1,2,3；

步骤2，采用自适应模糊支持向量机对训练集样本进行分类和识别；

步骤3，对未识别情绪样本集进行情绪的分类识别。

2.根据权利要求1所述的一种基于自适应模糊支持向量机的情绪识别方法，其特征在于：在步骤1中，提取患者的情绪生理信号具体包括如下步骤：

步骤1.1，对采集患者的生理信号进行信号预处理；

步骤1.2，对预处理后的生理信号进行特征提取并分类。

3.根据权利要求1所述的一种基于自适应模糊支持向量机的情绪识别方法，其特征在于：所述步骤2具体包含以下步骤：

步骤2.1，根据训练集中的数据，通过利用支持向量数据描述方法，找到包围有效样本的最小超球半径R来度量样本间的紧密度；

步骤2.2，结合自适应模糊隶属度函数和支持向量机对训练集样本进行训练，并得到自适应模糊支持向量机分类器。

4.根据权利要求2所述的一种基于自适应模糊支持向量机的情绪识别方法，其特征在于：在步骤1.2中，对预处理后的生理信号进行提取五种生理信号在时域频域的特征值。

5.根据权利要求3所述的一种基于自适应模糊支持向量机的情绪识别方法，其特征在于：五种生理信号在时域频域的特征值具体包含心电信号时域特征值、心电信号频域特征值、肌电信号时域特征值、肌电信号频域特征值、皮电活动时域特征值、呼吸信号时域特征值、脉搏信号时域特征值、脉搏信号频域特征值。

6.根据权利要求4所述的一种基于自适应模糊支持向量机的情绪识别方法，其特征在于：所述心电信号时域特征值包括心率平均值、心率标准差、全部窦性心搏RR间期、全部窦性心搏RR间期的标准差、相邻RR间期差值的均方根、全程相邻RR间期长度之差的标准差、RR间期最大值与最小值的差值、最大RR间期与最小RR间期的比值、全部RR间期中相邻的RR间期之差大于50ms的心搏数与其所占比例、多尺度熵。

7.根据权利要求4所述的一种基于自适应模糊支持向量机的情绪识别方法，其特征在于：

其中，心电信号频域特征值包括超低频段功率、低频段功率、高频段功率、三个频段功率之和；

肌电信号时域特征值包括积分肌电值、过零点数、瞬间肌电振幅均方根值、肌电信号均值、平均绝对值，以及一阶差分均值、标准差、中值；

肌电信号频域特征值，包括功率频率平均值和功率频率中值；

皮电活动时域特征值，包括均值、标准差、最大值、最小值、最大值与最小值之差、全部信号中皮肤电导响应峰值的次数、全部信号中皮肤电导响应峰值的均值，以及一阶差分和二阶差分的均值、标准差、最大值、最小值、最大值与最小值之差；

呼吸信号时域特征值，包括平均呼吸速率、呼吸变异性、均值、标准差、最大值、最小值、最大值与最小值之差，以及一阶差分和二阶差分的均值、标准差、最大值、最小值、最大值与最小值之差；

脉搏信号时域特征值，包括脉搏主波间期的均值、脉搏主波间期的标准差、相邻脉搏主波间期差值的均方根、脉搏主波间期的最大值与最小值之差、脉搏主播间期的最大值与最小值之比、脉搏主波间期中相邻的主波间期之差大于50ms的脉搏数与其所占比例、脉搏主波上升阶段时间均值、脉搏主波上升阶段时间标准差、脉搏主波下降阶段时间均值、脉搏主波下降阶段时间标准差；

脉搏信号频域特征值，包括超低频段功率、低频段功率、高频段功率、三个频段功率之和、低频段和高频段的功率比值。