改进的蚁群系统在心电信号情感识别中的应用

doi:10.3778/j.issn.1002-8331.2010.31.059

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 212-214.DOI: 10.3778/j.issn.1002-8331.2010.31.059

改进的蚁群系统在心电信号情感识别中的应用

马长伟，刘光远，鲁舜

西南大学电子信息工程学院，重庆 400715

收稿日期:2009-03-26 修回日期:2009-07-13 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 马长伟

Application of improved Ant Colony System for emotion recognition from Electrocardiogram signals

MA Chang-wei，LIU Guang-yuan，LU Shun

School of Electronic and Information Engineering，Southwest University，Chongqing 400715，China

Received:2009-03-26 Revised:2009-07-13 Online:2010-11-01 Published:2010-11-01
Contact: MA Chang-wei

摘要/Abstract

摘要： 针对心电信号（Electrocardiogram，ECG）的情感识别问题，将局部搜索策略和变异引入蚁群系统（Ant Colony System，ACS）用于特征选择；用K近邻法对高兴和悲伤两种情感分类，在获得较高的识别率和有效特征组合的同时，提高了收敛速度，最好识别率达到93.64%。实验仿真结果表明，该方法是行之有效的。

关键词: 蚁群系统, 情感识别, 特征选择, 心电信号

Abstract: For the problem of emotion recognition of Electrocardiogram（ECG） signals，a method of feature selection based on Ant Colony System（ACS） that has introduced local search strategy and variation is used to select feature，which accelerates convergence and obtains higher recognition rate and effective feature subset，and the best recognition rate can reach 93.64% using K-nearest neighbor for emotion classification.Simulation results show that this method is feasible.

Key words: Ant Colony System（ACS）, emotion recognition, feature selection, Electrocardiogram（ECG）

中图分类号:

TP301.6

马长伟，刘光远，鲁舜. 改进的蚁群系统在心电信号情感识别中的应用[J]. 计算机工程与应用, 2010, 46(31): 212-214.

MA Chang-wei，LIU Guang-yuan，LU Shun. Application of improved Ant Colony System for emotion recognition from Electrocardiogram signals[J]. Computer Engineering and Applications, 2010, 46(31): 212-214.

[1]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[4]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[5]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	米珍美，赵恒斌，高攀. 基于ConvLSTM网络的维度情感识别模型研究[J]. 计算机工程与应用, 2021, 57(18): 289-296.
[8]	武炜杰，张景祥. 融合分类信息的随机森林特征选择算法及应用[J]. 计算机工程与应用, 2021, 57(17): 147-156.
[9]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[10]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[11]	霍林，陆寅丽. 改进粒子群算法应用于Android恶意应用检测[J]. 计算机工程与应用, 2020, 56(7): 96-101.
[12]	宋冠军，张树东，卫飞高. 音视频双模态情感识别融合框架研究[J]. 计算机工程与应用, 2020, 56(6): 140-146.
[13]	廖文雄，曾碧，梁天恺，徐雅芸，赵俊峰. 面向高维数据的个人信贷风险评估方法[J]. 计算机工程与应用, 2020, 56(4): 219-224.
[14]	彭明，张海澎. 基于Schatten-p范数和特征自表示的无监督特征选择[J]. 计算机工程与应用, 2020, 56(23): 45-52.
[15]	胡章芳，刘鹏飞，蒋勤，罗飞，王明丽. 基于3DC-BGRU的脑电情感识别[J]. 计算机工程与应用, 2020, 56(20): 111-117.

改进的蚁群系统在心电信号情感识别中的应用

Application of improved Ant Colony System for emotion recognition from Electrocardiogram signals

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics