期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究 被引量:24
1
作者 李幼军 黄佳进 +1 位作者 王海渊 钟宁 《通信学报》 EI CSCD 北大核心 2017年第12期109-120,共12页
为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的... 为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别。通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.792 6。实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别。 展开更多
关键词 多模态生理信号情感识别 栈式自编码神经网络 长短周期记忆循环神经网络 多模态生理信号融合
在线阅读 下载PDF
面向睡眠研究的生理信号开源数据集综述 被引量:1
2
作者 陆敬怡 颜昌 +2 位作者 于广义 李建清 刘澄玉 《中国生物医学工程学报》 CAS CSCD 北大核心 2024年第3期358-368,共11页
临床多导睡眠数据的采集和标注耗时长且成本高,被测人群、采集设备和标注专家等因素的不同,使得采集的数据存在差异,增加了睡眠相关研究的难度和复杂度。与众多其他临床开源数据资源相同,面向睡眠研究的生理信号开源数据集的建立为全球... 临床多导睡眠数据的采集和标注耗时长且成本高,被测人群、采集设备和标注专家等因素的不同,使得采集的数据存在差异,增加了睡眠相关研究的难度和复杂度。与众多其他临床开源数据资源相同,面向睡眠研究的生理信号开源数据集的建立为全球相关研究者提供了丰富的数据资源和统一的对比平台,促进了睡眠医学领域研究的深入发展。为此,综述了在睡眠领域中常见的18个开源数据集的概况、特点及应用,这些数据集包括脑电图(EEG)、心电图(ECG)、眼电图(EOG)和肌电图(EMG)等生理信号以及涵盖睡眠障碍、心血管疾病和肥胖症等多个临床领域;总结了现有睡眠开源数据集在数据质量、数据标准、数据安全、样本代表性和外部有效性等方面存在的局限,提出了针对性的建议与展望。 展开更多
关键词 多模态生理信号 睡眠 开源数据集 生理测量
在线阅读 下载PDF
基于多模态生理数据的高速列车驾驶情境意识辨识
3
作者 董文莉 方卫宁 +1 位作者 王坤 牛可 《包装工程》 2025年第16期33-44,共12页
目的情境意识(Situation Awareness,SA)作为反映驾驶员对列车运行环境认知能力的高阶心理变量,较传统的单一心理状态指标更能全面表征驾驶安全状态。为突破现有铁路司机心理状态监测手段的局限性,提升智能铁路行车安全体系的水平。本文... 目的情境意识(Situation Awareness,SA)作为反映驾驶员对列车运行环境认知能力的高阶心理变量,较传统的单一心理状态指标更能全面表征驾驶安全状态。为突破现有铁路司机心理状态监测手段的局限性,提升智能铁路行车安全体系的水平。本文基于眼动、心电和脑电3类生理数据,开展SA状态的多模态辨识研究。方法针对SA状态难以动态获取、精确标注及可解释性不足的问题,提出覆盖SA诱发、标注、建模与解释的系统性研究方法,揭示多模态生理特征在SA辨识中的作用机制。针对生理信号非平稳性导致模型泛化能力受限的问题,构建混合特征选择策略的领域泛化方法,提升了模型在跨个体与跨会话条件下的适应性。此外,针对脑电(Electroencephalogram,EEG)信号采集受限问题,构建基于潜在空间建模与条件生成机制的多模态学习方法,实现了在EEG模态缺失条件下的鲁棒SA辨识。结论为构建高可靠性、高适应性的列车驾驶安全状态监测系统提供了理论与方法支持,提升列车驾驶人机协同系统的智能化与安全性。 展开更多
关键词 列车驾驶 情境意识 多模态生理信号 领域泛化 多模态学习
在线阅读 下载PDF
多视角判别分析的情感识别 被引量:2
4
作者 李超 赵文萍 赵子平 《信号处理》 CSCD 北大核心 2018年第8期998-1007,共10页
自主神经系统(ANS)活动在情感表达上的客观性,使得基于生理信号的情感识别引起了研究者的广泛关注。然而,情感表达是多模态的,仅使用单一模态或简单地对多模态情感数据进行拼接不能保证情感识别的精度。因此,本文提出使用多视角判别分... 自主神经系统(ANS)活动在情感表达上的客观性,使得基于生理信号的情感识别引起了研究者的广泛关注。然而,情感表达是多模态的,仅使用单一模态或简单地对多模态情感数据进行拼接不能保证情感识别的精度。因此,本文提出使用多视角判别分析方法(Multi-view Discriminant Analysis Method,MDAM)进行情感识别,将多个模态的情感生理数据看作情感表达的多个视角,通过最大化所有模态下情感数据的类间散度矩阵和类内散度矩阵之比,找到多组投影,使得投影后的情感数据位于一个具有判别性的通用空间中,在此空间中,同类情感样本的类内距离最小,而异类样本间的距离最大,从而为多模态情感识别提供有效的情感判别特征。实验结果表明,相较于传统情感识别方法,本文的方法在公开的情感数据集DEAP dataset上取得了很好的识别效果。 展开更多
关键词 情感识别 多模态生理信号 多视角判别分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部