一种基于混沌特征及优化CHAID决策树的情绪识别方法

摘要

基于生物电产生的生理信号进行情绪识别,并将其应用于医疗、人工智能等领域,具有巨大的发展前景。生理信号是非线性信号,不易被处理,且常常因为样本数量少而难以进行情绪识别,为解决此问题,针对皮肤电导信号(SC)、心电信号(ECG)、呼吸信号(RSP),提出一种新的情绪识别方法,该方法基于生理信号的最大李雅普诺夫指数、复杂度和盒维数三种混沌特征,同时构建CHAID(chi-square automatic interaction detection)决策树并对其优化。采用德国Augsburg大学国际生理信号数据库作为数据来源进行喜、怒、哀三种情绪识别,在此基础上,采用引导聚集算法对CHAID决策树模型进行优化,提高其稳定性。研究结果表明,基于优化后的CHAID决策树的情绪识别率和结果置信度等各项指标明显高于优化前的CHAID决策树,优化后喜、怒、哀三种情绪的识别率分别为88%、100%、100%。