基于生理信号的熵辅助多模态情绪识别框架
定量方法
2018-09-25 v1 机器学习
信号处理
摘要
随着人机接口系统重要性日益增长，理解人类情绪状态已成为计算机的一项关键能力。本文旨在通过生理信号的复杂度分析来提升情绪识别的性能。基于 AMIGOS 数据集，我们分别从 ECG 和 GSR 信号中提取了若干熵域特征，如精细复合多尺度熵(RCMSE)、精细复合多尺度排列熵(RCMPE)，并从 EEG 中提取了多元多尺度熵(MMSE)、多元多尺度排列熵(MMPE)。统计结果表明，GSR 中的 RCMSE 在唤醒度(arousal)方面具有主导性表现，而 GSR 中的 RCMPE 是效价(valence)方面的优良特征。此外，我们选用 XGBoost 模型来预测情绪，在唤醒度上获得 68% 的准确率，在效价上获得 84% 的准确率。
引用
@article{arxiv.1809.08410,
title = {Entropy-Assisted Multi-Modal Emotion Recognition Framework Based on Physiological Signals},
author = {Kuan Tung and Po-Kang Liu and Yu-Chuan Chuang and Sheng-Hui Wang and An-Yeu Wu},
journal= {arXiv preprint arXiv:1809.08410},
year = {2018}
}