改进的支持向量机在情感识别中的应用

摘要

针对传统支持向量机核函数参数σ、惩罚系数γ以及不敏感损失常数ε需要优化的问题,提出模拟退火免疫粒子群算法(SA-IPSO)优化支持向量机(SVM)关键参数σ、γ、ε的方法。并使用BIOPAC MP150对于630名被试者进行了情感激发状态下的心电生理信号采集,构建可靠的情感生理信号数据库,用该算法对其分类,与模拟退火支持向量机(SA-SVM)以及默认参数支持向量机相比,识别率更高,误报率更低,说明该算法在情感识别领域识别效果优于传统支持向量机。