禁忌搜索驱动的生理信号情感识别：特征选择与分类

在"论文研究-基于禁忌搜索的生理信号情感状态识别"这篇论文中，作者王玉晶和刘光远探讨了如何运用禁忌搜索算法来解决生理信号情感识别的问题。他们关注的是在处理情感识别任务时，如何有效地从大量的生理信号数据中筛选出关键特征，以提高识别的准确性和效率。禁忌搜索算法作为一种计算智能优化方法，被应用于特征选择过程，因为它具有计算复杂度低、求解速度快且能够获得较高质量解的优点。 生理信号，如肌电（EMG）、皮肤电反应（SC）、呼吸作用（RSP）和血容量搏动（BVP），是情感计算中的重要指标，因为它们能反映个体的情感状态。论文中提到，先前的研究工作如Picard实验室，通过对这些信号进行特征提取和分析，已经实现了较高的情感识别率，比如达到70%以上的正确识别率。文献[11]甚至进一步提高了这一标准。 作者们在论文中采用了禁忌搜索算法作为特征选择的主要手段，替代了常见的SFFS（Sequential Forward Floating Selection）、Fisher和ANOVA方法。禁忌搜索的优势在于它能够避免陷入局部最优，从而更好地探索可能的特征组合空间。通过禁忌搜索选出的特征，再结合近邻法进行情感分类，结果显示这种方法在情感识别方面是可行的，并且能有效地识别出那些对于情感理解至关重要的生理信号特征。 此外，论文还强调了非侵入性传感器在生理信号采集中的重要性，这使得研究结果更加贴近现实场景，为生理信号情感识别的实际应用提供了有价值的研究基础。这篇论文不仅贡献了一种新的特征选择策略，还为未来基于生理信号的情感计算研究开辟了新的思路和方向。