导 师: 陈耀文
授予学位: 硕士
作 者: ();
机构地区: 汕头大学
摘 要: 音乐能引发强烈的情绪反应,通常被用于表达人类情感。对于音乐演奏者和听众来说,音乐与人的情感之间存在强烈的相联性,但是,至今通过情感检测并自动策划音乐的研究报道很少。本文利用生理信号进行情绪识别,通过处理生理信号识别出隐藏的情感数据,研究基于BCI情绪识别的实时音乐推荐系统。 目前,情绪识别通过人工智能技术获取个体的生理或非生理信号对个体的情绪状态进行自动辨别主要从个体的行为、心率、人物表情、语音等特征来进行识别。本文提出的系统致力于提高用户的听歌感受,基本步骤为:通过用户的脑电波数据进行情绪识别后,利用音乐这种艺术手段进行情绪调节,结合云管理平台来管理用户数据以便用户实时掌握情绪状态。 本文通过处理DREAMER数据集,提出了一种基于脑电信号的情感识别框架:寻找情绪特定的脑电特征、探索分类器的有效性。本文提取了受试者在觉醒、价态两个维度的四种情绪状态(快乐、愤怒、悲伤、平静)脑电信号的均值、标准差与功率谱密度三种特征,分别采用k最近邻与支持向量机进行分类;最终,在觉醒、价态维度上使用支持向量机对功率谱密度进行分类,实现了最佳分类效果,平均准确率分别为70.3%、72.0%。 本文提出的系统分成三个部分:脑电波数据采集端、安卓APP端、云管理平台。数据采集端负责采集EmotivEPOC+设备发送的脑电波数据,提取数据的功率谱密度并使用支持向量机进行分类;安卓端负责情绪识别结果的实时显示、音乐播放等,播放列表来自云管理平台,音乐资源来自第三方音乐平台;云管理平台搭建在阿里云Debian64位Linux系统上,采用JavaEE技术进行开发,它在该系统架构中主要负责用户数据的存储、查询与整个系统的调度。 利用脑电波进�
领 域: []