[发明专利]基于张量分解的情感识别方法、装置、介质及电子设备

权利要求书

1.一种基于张量分解的情感识别方法，其特征在于，包括：

将多种模态的生理信号数据转换为张量数据；所述生理信号数据包括已知数据和缺失数据；所述张量数据包括与所述多种模态的生理信号数据分别对应的多个低秩矩阵；

根据所述张量数据，构建与所述多种模态分别对应的多个图矩阵；每个所述图矩阵用于分别表征一种模态的生理信号数据对应的所述低秩矩阵中各元素之间的相似性；

根据所述张量数据中的已知量和所述多个图矩阵中的已知量，估算所述生理信号数据的缺失数据；以及

根据所述生理信号数据的已知数据和估算得到的缺失数据，识别情感类别；

其中，所述张量数据为：其中，R_(n)表示第n种模态的生理信号数据对应的低秩矩阵，ε为捕捉建模的误差，“。”表示张量外积；

第n个所述图矩阵为：其中，V_n为捕捉建模误差；d_n为加权因子矩阵；R_n为R秩的因子矩阵；

所述根据所述张量数据中的已知量和所述多个图矩阵中的已知量，估算所述生理信号数据的缺失数据，包括：

求解下述优化任务以得出χ^M和

其中，χ^A包含所述张量数据中的已知量，且未知量对应的位置为零，χ^M包含所述张量数据中的未知量，且已知量对应的位置为零；包含可获得的连接，包含不可获得的连接；P_Ω(χ^M)＝0,表示强制χ^M和为零。

2.根据权利要求1所述的情感识别方法，其特征在于，所述根据所述张量数据中的已知量和所述多个图矩阵中的已知量，估算所述生理信号数据的缺失数据包括：

求解下述优化任务以得出χ^M和

其中，

3.根据权利要求1所述的情感识别方法，其特征在于，所述根据所述生理信号数据的已知数据和估算得到的缺失数据，识别情感类别包括：

将所述生理信号数据的已知数据和估算得到的缺失数据输入分类器，得到所述情感类别。

4.根据权利要求3所述的情感识别方法，其特征在于，所述分类器的训练方式包括：

计算各个训练样本之间的距离；

选取距离小于预设距离阈值的训练样本组为同一类；

拟合出介于相邻类别的训练样本组之间的平面；以及

选取所有的平面中与该相邻类别的训练样本组的所有样本之间的距离和最大的平面为该相邻类别的分界面。