量子粒子群和相关性分析在心电特征选择中的应用

针对心电(ecg)信号情感识别中特征选择的问题，首先运用相关性分析方法，去除原始特征集中的高相关度特征，实现原始特征集的降维;其次，为了在降维后的特征空间中进行有效的特征选择，提出了一种改进的二进制量子粒子群算法(csbqpso)。实验结果表明，基于本算法结合fisher分类器建立的ecu信号情感识别系统能够对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感达到良好的识别效果。