基于交互学习的生理情感信号分析

摘要

情感是一种和生理以及心理相关的过程，体现了人们对物体或事情的潜在反馈，在人与人之间的交流中有起到了重要的作用。我们既可以通过文字，也可以通过声音、面部表情和肢体动作来表达自己的情感。情感分析是一个非常活跃的领域，并且受到了越来越多的关注。这主要是因为情感分析在许多领域都有着极大的应用前景，比如虚拟现实、智能监控和感知接口等。对情感分析的研究往往涉及到心理学、认知科学、生理学和计算机科学等多个学科。 交互学习是一类模型不断和数据进行交互的学习方法。主动学习、在线学习和强化学习都是交互学习的方法。模型通过和数据的交流更好的体现目标的本质，避免和修正学习过程中产生的偏差。本课题将交互学习应用于生理情感信号分析中，为情感分析提供新的解决方法。 本文主要做了几个工作： 1.提出了基于Hessian主动学习的生理情感分析方法。相对于传统的Laplacian支持向量机（SVM）方法，Hessian正则化方法能够利用更多的信息和未标记的样本，探索数据分布的内嵌几何结构。本文提出了一种基于Hessian正则化的主动学习模型，并将其应用到了生理情感数据库中，取得了较好的效果。 2.提出了在线Laplacian生理情感分析方法。针对和情感状态相关的时间序列数据，考虑使用在线学习的方法，根据当前所获得的数据预测未知样本；另一方面Laplacian正则化方法可以更好地利用数据分布关系，本文提出使用在线Laplacian的方法进行生理情感预测，并获得了良好的效果。 3.提出了基于强化在线学习的生理情感分析方法。将强化学习的思想引入到针对生理情感数据的在线学习方法中，提出强化在线学习框架，充分利用在线学习和强化学习的优点，改善情感分析效果。

目录

第1章 引言

1.1 研究背景及意义

1.2 情感分析研究现状

1.2.1 基于表情的情感分析

1.2.2 基于语音的情感分析

1.2.3 基于生理信号的情感分析

1.3 本文工作及结构安排

第2章 相关概念及理论

2.1 半监督学习

2.1.1 半监督学习的必要性

2.1.2 半监督学习的框架

2.2 流形学习

2.2.1 等距映射

2.2.2 局部线性嵌入

2.2.3 拉普拉斯特征映射

2.2.4 Hessian特征映射

2.3 主动学习

2.3.1 学习场景

2.3.2 查询策略框架

2.4 强化学习

2.4.1 马尔可夫决策过程

2.4.2 策略和价值

2.4.3 蒙特卡洛算法

2.4.4 时差学习算法

2.5 本章小结

第3章 基于Hessian主动学习的生理情感分析

3.1 引言

3.2 相关工作

3.3 基于Hessian流形正则化的主动学习

3.3.1 Hessian流形正则化

3.3.2 Hessian SVM优化求解

3.3.3 复杂度分析

3.4 实验结果与分析

3.4.1 特征提取

3.4.2 实验数据和设置

3.4.3 实验结果分析

3.5 本章小结

第4章 基于在线Laplacian正则化的生理情感分析

4.1 引言

4.2 相关工作

4.2.1 Laplacian流形正则化

4.2.2 Laplacian支持向量机回归

4.3 在线LapSVR算法

4.4 实验及结果分析

4.4.1 实验数据和设置

4.4.2 实验结果和分析

4.5 本章小结

第5章 基于强化在线学习的生理情感信号分析

5.1 引言

5.2 相关工作

5.2.1 在线学习

5.2.2 强化学习

5.3 方法概览

5.4 实验分析

5.4.1 数据集介绍

5.4.2 实验设置和结果

5.5 本章小结

总结与展望

参考文献

攻读硕士学位期间取得的学术成果

致谢