• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《通信学报》 >基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究

基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

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0.7926.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.%In order to achieve more accurate emotion recognition accuracy from multi-modal bio-signal features,a novel method to extract and fuse the signal with the stacked auto-encoder and LSTM recurrent neural networks was proposed.The stacked auto-encoder neural network was used to compress and fuse the features.The deep LSTM recurrent neural network was employed to classify the emotion states.The results present that the fused multi-modal features provide more useful information than single-modal features.The deep LSTM recurrent neural network achieves more accurate emotion classification results than other method.The highest accuracy rate is 0.792 6.

著录项

  • 来源
    《通信学报》 |2017年第12期|109-120|共12页
  • 作者

    李幼军; 黄佳进; 王海渊; 钟宁;

  • 作者单位

    北京工业大学国际WIC研究院,北京 100124;

    磁共振成像脑信息学北京市重点实验室,北京 100124;

    脑信息智慧服务北京市国际科技合作基地,北京 100124;

    北京工业大学国际WIC研究院,北京 100124;

    磁共振成像脑信息学北京市重点实验室,北京 100124;

    脑信息智慧服务北京市国际科技合作基地,北京 100124;

    北京工业大学国际WIC研究院,北京 100124;

    磁共振成像脑信息学北京市重点实验室,北京 100124;

    脑信息智慧服务北京市国际科技合作基地,北京 100124;

    北京工业大学国际WIC研究院,北京 100124;

    磁共振成像脑信息学北京市重点实验室,北京 100124;

    脑信息智慧服务北京市国际科技合作基地,北京 100124;

    北京未来网络科技高精尖创新中心,北京 100124;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 自动推理、机器学习;人工神经网络与计算;
  • 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;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号