本技术介绍了一种结合动态聚类技术和变分贝叶斯元学习的情绪识别方法与系统。该系统通过中餐馆过程动态确定人群种类数量,并依据不同人群种类的生理信号特征进行情绪表达模式的识别。
背景技术
近年来,随着社会整体对人们心理健康疾病的重视程度不断提高,相应的情绪识别技术也随之不断发展,脑电信号(EEG)作为一种区别于传统面部表情、声音等易于伪装的重要生理特征,在情绪识别领域得到了广泛的重视和大量的研究。然而,现有的情绪识别方法在处理不同人群的情绪分类时,往往难以兼顾对情绪的分类精度和模型在应对不同人群的生理信号特征时的泛化能力。
传统的情绪识别方法通常假设所有个体的情绪分类模式相同(例如普通人群、心理敏感人群或者具有特殊心理疾病的人群),这导致传统的情绪识别方法在实际应用中往往不太理想,一个简单的实例是,不同的人群在经历相同的事件时,会导致不同的情绪产生。如果为某一类人群单独训练一个情绪分类模型,将出现两个难点,一是没有统一的度量标准来对人群在情绪表现模式的维度上进行划分,二是实际应用中往往很难在对应人群中取得大量的实验数据来对模型进行针对性的训练。因此,研究一种能够动态适应不同人群情绪分类模式并且可以在少量的样本支持下获得较高情绪分类性能的方法在情绪的研究和应用领域都具有重要的意义。
实现思路