从多模体生理信号的情绪识别通过歧视性相关性融合与时间对齐机制

科学领域:

• 神经科学是一个神经科学.
• 计算智能是一种计算智能.
• 情感计算是一种情感计算.

背景情况:

• 规范性相关性分析 (CCA) 广泛用于多模式生理信号分析,用于情绪识别.
• 现有的CCA方法往往忽视了情绪反应的神经支,忽视了情绪状态之间的歧视性信息.
• 神经活动中的时间不匹配经常被忽视,违反了有效的多式联络数据融合的假设.

研究的目的:

• 为多式联络生理信号提出一种具有时间对齐的新型歧视性关联融合方法.
• 通过考虑神经表征和歧视性情感信息来提高情感识别准确度.
• 模拟人类情绪反应的潜在神经机制.

主要方法:

• 使用神经信号分析构建中枢神经系统 (CNS) 和自主神经系统 (ANS) 的神经表示.
• 在CCA中引入情感类标签,以增强歧视性融合表示.
• 通过基于贝叶斯算法的融合程序,共同优化中枢神经系统和脑神经系统之间的时间对齐.

主要成果:

• 使用拟议的方法,在情绪识别性能上有显著的改进.
• 证明了融合方法在情绪反应期间模拟人类神经系统底层机制的能力.
• 实验结果与神经科学中已知的发现一致.

结论:

• 提出的带有时间对齐的歧视性关联融合方法在多式联络生理信号分析中为情感识别提供了重大进展.
• 这种方法提供了对人类认知功能和神经系统在情绪处理过程中的动态的洞察.
• 该研究促进了计算智能和人与计算机交互方面的进步.