文中用肌电信号对悲伤、高兴、厌恶、惊奇、恐惧、愤怒六种情感进行识别。首先设计了完善的情感诱发方案,建立了情感生理信号数据库。针对肌电信号的特点,选用了小波变换的方法对原始信号进行消除噪声处理和原始特征提取。用随机森林算法对原始特征按照分类识别贡献度排序,提取重要特征。再用改进的离散二进制量子粒子群算法与基于核的Fisher分类器相结合进行特征选择。然后讨论核函数的参数取值问题,确定最优核函数参数。最后建立情感模型。主要研究内容如下：1确定了采集方案和建立数据库。通过让被试观察富有情感色彩的影片,充分激发起被试的：高兴、厌恶、惊奇、悲伤、愤怒、恐惧六种情感,同时记录下其生理电信号。再根据被试填写的调查问卷和对数据的可靠性分析,去除非正常的数据并建立原始数据库。2情感肌电信号特征集的获取方法。根据被试问卷和主试的记录选择有效激发的情感肌电信号,进行下采样和数据的归一化处理。然后针对肌电信号的特点,用小波变换的方法对肌电信号进行去噪处理,最后提取出126个特征(包括时域统计特征,小波重构系数统计特征)形成情感肌电信号的原始特征。3特征选择方法。由于原始特征维数过高,对于情感识别模型的建立带来了“维数灾难”,并且其中有大量的冗余特征,这些特征对模型的建立没有很大贡献。为了得到有效的特征,建立情感识别模型,需要对特征进行选择。实际上特征选择就是一个NP问题。如果采用穷举法以现有的条件显然不能实现,所以找到一个快速有效地特征选择方法是一个重要的问题。文中分两步来实现这个目标。第一步先用随机森林算法,依据其对特征贡献度的评价来对原始特征进行贡献度排序,选择出贡献度较大的特征。第二步使用改进的离散二进制量子粒子群算法结合基于核的Fisher分类器的方法选择出最能代表肌电信号情感反应的特征子集。讨论核函数参数的取值,确定最优核函数参数。与相似的情感模型比较其性能差异。建立最优情感识别模型。4基于构建的最优核函数参数构建的情感模型,对所构建的模型进行测试。实验结果：使用随机森林算法进行降维是可行的。通过随机森林算法的特征重要性选择初步选择出了相对贡献度大的特征。通过使用改进的离散二进制量子粒子群算法结合基于核的Fisher分类器选择最优特征组合,选定核函数参数后,所构建的系统是优于使用普通的Fisher分类器构建的系统的。