现如今,人与计算机交流时间远超过人与人之间的交流和随着情感计算这一理论的兴起,通过计算机识别人的情感状态已经成为研究重点。目前很多的情感识别是基于用户的语音语调、面部表情、肢体动作等信息作为数据源进行分析,识别出用户的情感状态,但这些表达方式存在一些弊端,如可通过人为的主观思想进行控制,使其不足以完全表达出人的真实情感状态,而且,很多关于情感状态的识别都是针对实时情感识别,并未对未来短时间内的情感变化进行预测,无法通过预测情感状态,提前采取措施,防止一些危害的发生。因此,针对情感识别数据集来源和情感预测问题,本文提出了基于多生理信号的情感识别与预测两种方法,情感识别方法是通过分析皮肤电和脉搏这两类信号,提取这两类信号的统计特征值,如中值、均值、标准差、方差等,然后使用基于BP神经网络算法的情感识别模型对特征集进行识别训练,得出四种基本情感状态,解决了数据集的主观控制问题。为了解决情感识别方法的收敛速度和识别率,提出了一种将GA、AdaDelta算法和BP算法相结合的GA-AdaDelta-BP识别算法,在BP算法识别情感的基础上,使用GA确定BP算法的初始连接权值和阈值,使用AdaDelta算法确实BP算法的自适应学习率,有效提高了收敛速度和识别率。情感预测方法是根据脉搏信号的非线性特性,使用基于BP神经网络的预测算法预测脉搏信号序列,然后使用改进后的情感识别方法分析、识别出情感状态,即未来情感状态。为了解决情感预测方法的准确性问题,同样地,将GA、AdaDelta算法和BP预测算法相结合,提出了GA-AdaDelta-BP预测算法,有效提高了预测算法的准确率。最后,本文将所提的两种算法应用到生理信号处理上,并构建了一个情感识别与预测系统。经过实验分析,优化后算法的识别率和准确率明显有所提高。