情感是一种和生理以及心理相关的过程,体现了人们对物体或事情的潜在反馈,在人与人之间的交流中有起到了重要的作用。我们既可以通过文字,也可以通过声音、面部表情和肢体动作来表达自己的情感。情感分析是一个非常活跃的领域,并且受到了越来越多的关注。这主要是因为情感分析在许多领域都有着极大的应用前景,比如虚拟现实、智能监控和感知接口等。对情感分析的研究往往涉及到心理学、认知科学、生理学和计算机科学等多个学科。交互学习是一类模型不断和数据进行交互的学习方法。主动学习、在线学习和强化学习都是交互学习的方法。模型通过和数据的交流更好的体现目标的本质,避免和修正学习过程中产生的偏差。本课题将交互学习应用于生理情感信号分析中,为情感分析提供新的解决方法。本文主要做了几个工作:1.提出了基于Hessian主动学习的生理情感分析方法。相对于传统的Laplacian支持向量机(SVM)方法,Hessian正则化方法能够利用更多的信息和未标记的样本,探索数据分布的内嵌几何结构。本文提出了一种基于Hessian正则化的主动学习模型,并将其应用到了生理情感数据库中,取得了较好的效果。2.提出了在线Laplacian生理情感分析方法。针对和情感状态相关的时间序列数据,考虑使用在线学习的方法,根据当前所获得的数据预测未知样本;另一方面Laplacian正则化方法可以更好地利用数据分布关系,本文提出使用在线Laplacian的方法进行生理情感预测,并获得了良好的效果。3.提出了基于强化在线学习的生理情感分析方法。将强化学习的思想引入到针对生理情感数据的在线学习方法中,提出强化在线学习框架,充分利用在线学习和强化学习的优点,改善情感分析效果。