论文部分内容阅读
本文针对目前基于智能手机的情绪识别研究中所用数据较为单一,并不能全面的反应用户行为模式,进而并不能真实反应用户情绪这一问题展开研究,基于智能手机从多个维度全面收集反应用户日常行为的细粒度感知数据,采用多维数据特征融合方法,利用支持向量机(SVM)、随机森林(Random Forest)、梯度树提升(GTB)等六种分类方法,基于离散情绪模型和环状情绪模型两种情绪分类模型,对12名志愿者的混合数据和个人数据分别进行情绪识别,并进行了对比实验.实验结果表明,本文提出的全面反应用户行为的多维数据特征融合方法,能够很好地对用户的情绪进行识别,其中使用个人数据进行情绪识别的准确率最高可达到79.78%,而且环状情感模型分类结果明显优于离散分类模型.