# emotion-recognition
基于皮肤电信号的情绪识别算法emotion-recognition
基于皮肤电信号的情绪识别算法
### 代码架构
├── butter.py 巴特沃斯滤波器(代码中并未使用,可参考)
├── data 训练数据集
│ ├── happy 高兴
│ │ ├── x.csv
│ ├── normal 平静
│ │ ├── x.csv
│ └── sad 悲伤
│ ├── x.csv
├── database.py 数据库连接
├── generatevector.py 特征向量提取,调用getattr
├── getattr.py 提取算法
├── main.py 主函数
├── model 训练所得模型
│ ├── happy_model.m
│ ├── happy_other.csv
│ ├── normal_sad.csv
│ ├── sad_model.m
│ ├── train_model.m
│ ├── vector.mat
│ └── vector_select.m
├── my_svm.py 支持向量机
├── plotdata.py 绘图(测试代码,未使用)
├── pre.pptx PPT展示
├── __pycache__
│ ├── database.cpython-36.pyc
│ ├── generatevector.cpython-36.pyc
│ ├── getattr.cpython-36.pyc
│ └── my_svm.cpython-36.pyc
└── README.md
### 工作流程
1 通过MP150提取被试皮电信号,情绪激发通过视频素材激发
2 每个被试每种情绪采集80s有效信号,采样频率20Hz,共1600个数据点
3 提取皮电信号特征向量,时域信号28个,频域信号6个,共34个,如下表
| 特征编号 | 特征代号 | 特征含义 |
| ---- | ----------------- | -------------- |
| 1 | sc_mean | GSR信号均值 |
| 2 | sc_median | GSR信号中值 |
| 3 | sc_std | GSR信号标准差 |
| 4 | sc_min | GSR信号最小值 |
| 5 | sc_max | GSR信号最大值 |
| 6 | sc_range | GSR最大值最小值之差 |
| 7 | sc_min_ratio | GSR最小值比率 |
| 8 | sc_max_ratio | GST最大值比率 |
| 9 | sc1diff_mean | 一阶差分均值 |
| 10 | sc1diff_median | 一阶差分中值 |
| 11 | sc1diff_std | 一阶差分标准差 |
| 12 | sc1diff_min | 一阶差分最小值 |
| 13 | sc1diff_max | 一阶差分最大值 |
| 14 | sc1diff_range | 一阶差分最大值最小值之差 |
| 15 | sc1diff_min_ratio | 一阶差分最小值比率 |
| 16 | sc1diff_max_ratio | 一阶差分最大值比率 |
| 17 | sc1adiff_mean | 一阶差分绝对值均值 |
| 18 | sc1gdiff_mean | 归一化信号一阶差分绝对值均值 |
| 19 | sc2diff_mean | 二阶差分均值 |
| 20 | sc2diff_median | 二阶差分中值 |
| 21 | sc2diff_std | 二阶差分标准差 |
| 22 | sc2diff_min | 二阶差分最小值 |
| 23 | sc2diff_max | 二阶差分最大值 |
| 24 | sc2diff_range | 二阶差分最大值最小值之差 |
| 25 | sc2diff_min_ratio | 二阶差分最小值比率 |
| 26 | sc2diff_max_ratio | 二阶差分最大值比率 |
| 27 | sc2adiff_mean | 二阶差分绝对值均值 |
| 28 | sc2gdiff_mean | 归一化信号二阶差分绝对值均值 |
| 29 | scfft_mean | GSR频域均值 |
| 30 | scfft_median | GSR频域中值 |
| 31 | scfft_std | GSR频域标准差 |
| 32 | scfft_min | GSR频域最小值 |
| 33 | scfft_max | GSR频域最大值 |
| 34 | scfft_range | GSR频域最大值最小值之差 |
4 特征选取,使用随机森林算法,最终选取贡献度为平均贡献度1.25倍的特征,组建新的特征向量。
5 训练模型,采取支持向量机,一对多策略从而实现多分类的目的。
6 预测,arduino进行信号采集写入到端口中,该工程读取串口数据存入缓存区。当缓存区数据点>50时,计算特征向量给出预测结果。整个过程通过matplotlib进行交互式展现。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip本资源中的源码都是经过本地编译过可运行的,评审分达到95分以上。资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip基于Pyth
资源推荐
资源详情
资源评论
收起资源包目录
基于Python皮肤电信号的情绪识别算法源码+模型+PPT+详细文档+全部数据资料.zip (102个子文件)
happy_other.csv 21KB
normal_sad.csv 16KB
2.csv 13KB
1.csv 13KB
18.csv 13KB
21.csv 13KB
19.csv 13KB
20.csv 13KB
22.csv 13KB
9.csv 6KB
7.csv 6KB
3.csv 6KB
10.csv 6KB
8.csv 6KB
11.csv 6KB
4.csv 5KB
12.csv 4KB
9.csv 4KB
2.csv 4KB
10.csv 4KB
8.csv 4KB
11.csv 4KB
12.csv 3KB
15.csv 3KB
16.csv 3KB
14.csv 3KB
13.csv 3KB
4.csv 3KB
6.csv 3KB
7.csv 3KB
3.csv 3KB
5.csv 3KB
1.csv 3KB
4.csv 3KB
6.csv 3KB
15.csv 2KB
16.csv 2KB
3.csv 2KB
14.csv 2KB
13.csv 2KB
17.csv 2KB
15.csv 2KB
16.csv 2KB
14.csv 2KB
13.csv 2KB
17.csv 2KB
12.csv 2KB
2.csv 2KB
10.csv 2KB
11.csv 2KB
18.csv 1KB
21.csv 1KB
5.csv 1KB
19.csv 1KB
20.csv 1KB
17.csv 1KB
30.csv 1KB
25.csv 1KB
24.csv 1KB
23.csv 1KB
22.csv 1KB
26.csv 1KB
27.csv 1KB
25.csv 1KB
24.csv 1KB
23.csv 1KB
31.csv 1KB
26.csv 1KB
27.csv 1KB
28.csv 1KB
29.csv 1KB
9.csv 1KB
7.csv 1KB
8.csv 1KB
5.csv 1KB
1.csv 1KB
6.csv 1KB
32.csv 23B
myproject.iml 398B
vector_select.m 44KB
sad_model.m 6KB
happy_model.m 5KB
train_model.m 420B
vector.mat 1KB
README.md 4KB
pre.pptx 1.93MB
getattr.py 3KB
main.py 3KB
my_svm.py 2KB
generatevector.py 2KB
butter.py 1KB
database.py 1KB
plotdata.py 308B
my_svm.cpython-36.pyc 2KB
generatevector.cpython-36.pyc 2KB
getattr.cpython-36.pyc 1KB
workspace.xml 46KB
compiler.xml 686B
misc.xml 602B
modules.xml 270B
共 102 条
- 1
- 2
资源评论
盈梓的博客
- 粉丝: 9203
- 资源: 2200
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- (源码)基于Qt框架的海王网咖管理系统.zip
- (源码)基于Spring Boot和Material You设计语言的论坛管理系统.zip
- (源码)基于Nio的Mycat 2.0数据库代理系统.zip
- 通过go语言实现单例模式(Singleton Pattern).rar
- 通过python实现简单贪心算法示例.rar
- C语言中指针基本概念及应用详解
- (源码)基于Websocket和C++的咖啡机器人手臂控制系统.zip
- (源码)基于深度学习和LoRA技术的图书问答系统.zip
- (源码)基于Servlet和Vue的机动车车辆车库管理系统.zip
- (源码)基于ESP32C3和WiFi的LED控制系统.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功