摘要: 随着计算机技术和普适计算技术的发展，情感的表达与感知作为人与人交互的辅助手段愈发突显其重要性。近年来，人们不再局限于计算机单纯的使用功能，更加希望挖掘计算机的更多功能。比如大数据的计算能力、将计算机应用于更多的领域、希望计算机能够... 展开 随着计算机技术和普适计算技术的发展，情感的表达与感知作为人与人交互的辅助手段愈发突显其重要性。近年来，人们不再局限于计算机单纯的使用功能，更加希望挖掘计算机的更多功能。比如大数据的计算能力、将计算机应用于更多的领域、希望计算机能够更加地智能化，减少人为干预。特别是对于计算机智能方面，人们有更高的要求和更高的期望。一旦计算机变得更加智能化，就能够使计算机半摆脱或者完全摆脱人的干预。比如，一些安全性低的工作，可以用机器人去代替人类去执行。 首先，本文在绪论章节中简要阐述了基于生理信号来识别情感的背景和意义。然后，对目前各国根据生理信号识别情感的研究现状进行了总结。并且简单介绍了基于生理信号识别的过程和相关技术。在接下来的章节中，由于生理信号的特点，介绍了小波对于信号去噪的相关知识。并且着重介绍了小波去除噪声的几种算法。并且对比和分析了小波去除噪声的几种方法。总结每种去除噪声算法的优点和缺点以及适用条件。然后，介绍了AdaBoost算法的起源以及基本原理和适用场景。AdaBoost算法在每轮迭代里，如果一个样本在上一次循环里的识别是正确的，我们就提高这个样本的权重。相反，如果这个样本在前一轮循环里识别是错误的，则降低这个样本的权重。通过这种方式，算法聚焦于那些难分的样本，从而提高困难样本的识别准确率。本文通过使用AdaBoost算法对生理信号的分析来完成情感识别。本文用Fisher作为AdaBoost的基分类器，实验结果表明适用AdaBoost算法来进行情感识别的可行性。 收起