开发一种基于生理信号的平均阈值和决策级情感识别融合算法（PMD）

随着计算机、人工智能和认知科学的发展，人与计算机之间的深度交流变得越来越重要。因此，情感计算是当前研究的热点。因此，本研究构建了一种基于生理信号、均值阈值和决策水平的融合算法（PMD）来识别人类的情绪状态。首先，我们从脑电图和外周生理信号中选择关键特征，并使用均值法来获得每个参与者的分类阈值，并区分个体差异。然后，我们使用高斯朴素贝叶斯（GNB）、线性回归（LR）、支持向量机（SVM）和其他分类方法来进行情绪识别。最后，我们通过开发集成模型来提高分类精度。实验结果表明，生理信号比经典的面部和语音信号更适合于情绪识别。我们提出的均值阈值方法可以在一定程度上解决个体差异的问题，并且我们开发的集成学习模型显著优于其他分类模型，如GNB和LR。