個體依賴的圖像情感類別識別方法.pdf

1、當前情感計算領域的研究主要致力情感本身，比如進行情感識別或情感調節(jié)，而對誘發(fā)情感或者調節(jié)情感狀態(tài)的素材的選擇缺乏專門研究。目前，情感素材的選擇一般采用專家評定的方式進行，該方式沒有充分考慮個體間的差異性，同時每次試驗要進行大量情感素材的評定，非常浪費時間。為此，本論文以IAPS圖像作為情感誘發(fā)素材，提出了個體依賴的圖像情感類別識別方法，對情感素材的選擇進行了初步探索。
　　本方法旨在利用少數圖像針對個體建立圖像（用與情感相關的特征

2、表示）與圖像情感類別（負性、中性或正性）之間的關系模型。從而對一幅新圖像，該模型能利用其特征識別出對此個體而言，這幅圖像是負性、中性還是正性的，進而完成情感素材的選擇。方法的性能通過多名被試的模型正確識別率進行反映。
　　本論文的研究從四個方面展開：
　　一、給出圖像的特征選擇及提取方法。根據視覺心理學的相關研究，從圖像中選擇與情感相關的底層特征，并用向量表示。最終得到表征圖像情感信息的26維特征。二、實驗獲取模型訓練和檢驗

3、的數據。選擇IAPS中典型的負性、中性和正性圖像各20張，通過圖像誘發(fā)實驗采集10名被試對這60張圖像正負情感的評定數據，共得到8組有效數據集。分別對應8名有效被試對60張圖像的負性、中性和正性劃分。三、圖像情感類別識別模型的建立與訓練。通過BP神經網絡建立圖像的情感類別識別模型；針對每一名有效被試，從其評定的負性、中性和正性圖像中分別選擇部分圖像，利用對應的圖像特征和該被試評定的圖像情感類別，采用兩種不同的訓練集設置（非均衡樣本訓練集

4、和均衡樣本訓練集）訓練三分類BP圖像情感類別識別模型，所以8名被試共得到2×8個模型。四、模型檢驗。對每一名有效被試，用不參與模型訓練的圖像的特征作為訓練好的BP識別模型的輸入，則輸出為識別模型判定的負性、中性和正性圖像集。將識別結果和該被試評定的結果進行對比得到正確識別率，用正確識別率反映模型的性能。
　　八個被試在非均衡樣本集下的8個模型的平均正確識別率為66.38％，在均衡樣本集下的8個模型的平均正確識別率為69.87%。本

5、論文進一步對非均衡訓練樣本集和均衡訓練樣本集兩種情況下得到的模型進行了對比分析。結果顯示采用均衡訓練樣本集得到的模型不僅平均正確識別率更高，而且這8個模型平均負性、中性和正性的正確識別率更加均勻（s均衡=0.07 vs s非均衡=0.09）。所以采用均衡訓練樣本集得到的識別模型優(yōu)于非均衡訓練樣本數據集的情況。
　　上述研究結論說明，本論文建立的BP圖像情感類別識別模型是有效的，所以個體依賴的圖像情感類別識別方法是可行的，從而提供了