(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211442252.0 (22)申请日 2022.11.17 (71)申请人 深圳市中大信通科技有限公司 地址 518000 广东省深圳市福田区华强北 街道深南中路2008号华联大厦12楼 1208 (72)发明人 林莉　温亚滨　朱江　 (74)专利代理 机构 合肥市都耒知识产权代理事 务所(普通 合伙) 34227 专利代理师 赵媛 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)A61B 5/11(2006.01) A61B 5/16(2006.01) H04M 1/72454(2021.01) (54)发明名称 一种基于智能算法的情绪行为分析方法 (57)摘要 本发明公开了一种基于智能算法的情绪行 为分析方法,该方法包括： 利用传感器采集行为 人在单位时间内对屏幕点击的次数和 力度， 构建 行为数据集； 对 数据集进行特征提取和归一化处 理； 建立峰值函数； 利用相似度矩阵对行为与特 征量进行比较； 利用注意力机制提取行为人在单 位时间内对屏幕点击次数和力度的相似信息； 进 一步获取特征差异值； 得到数据集的平均池化向 量和最大池化向量； 通过softmax函数为每个输 出情绪的类别都赋予一个概率值， 同时利用交叉 熵计算模型预测类别的概率与真实类别概率间 的差距； 对情绪输出的类别进行判断； 计算正确 分类的概率和错误分类的概率， 该方法可以有效 的监控行为人的情绪变化， 防止行为人出现过激 行为。 权利要求书3页 说明书7页 附图2页 CN 115496113 A 2022.12.20 CN 115496113 A 1.一种基于智能算法的情绪行为分析 方法， 其特 征在于,该 方法步骤如下： 步骤S1： 利用传感器采集行为人在单位时间内对屏幕点击的次数和力度， 构建行为数 据集 [ ， ]； 步骤S2： 对数据集 [ ， ]进行特征提取和归一 化处理； 步骤S3： 建立峰值 函数， 利用峰值 函数设定不同情绪的峰值范围； 步骤S4： 对行为构建相似度矩阵， 利用相似度矩阵对行为与特 征量进行比较； 步骤S5： 利用注意力机制提取行为人在单位时间内对屏幕点击次数和力度的相似信 息； 步骤S6： 进一 步获取次数、 力度与特 征量之间的特 征差异值； 步骤S7： 利用差异值对数据集进行扩展， 得到数据集的平均池化向量和最大池化向量； 步骤S8： 通过softmax函数为每个输出情绪的类别都赋予一个概率值， 表示出每个类别 输出的可能性， 同时利用交叉熵计算模型 预测类别的概 率与真实类别概 率间的差距； 步骤S9： 对情绪输出的类别进行判断， 当输出的类别与行为人真实情绪一致时， APP发 送信息提醒行为人可以控制情绪的方式， 当输出 的类别与行为人真实情绪不一致时， 重复 步骤S2、 S3、 S4、 S5、 S6、 S7、 S 8、 S9； 步骤S10： 计算 正确分类的概 率和错误分类的概 率。 2.如权利要求1所述的一种基于智能算法的情绪行为分析方法， 其特征在于， 所述进行 特征提取， 表达式为： 其中， 表示对行为提取的特征量， b表示行为特征提取系数， 表示单位时间 内行为人对屏幕的点击次数， 表示单位时间内行为人对屏幕的点击力度； 所述归一 化处理， 表达式为： 其中， 表示归一化后的行为数据集， n表示第 n次迭代， X表示数据采集 次数， θn表示 归一化系数矩阵， μn表示拉格朗日乘子， d表示归一 化误差值。 3.如权利要求1所述的一种基于智能算法的情绪行为分析方法， 其特征在于， 所述峰值 函数， 表达式为： 其中， 表示峰值函数， n表示第n次迭代， X表示数据采集次数， 表示行为数据 集， fn表示不同情绪波动的临界点阈值。 4.如权利要求1所述的一种基于智能算法的情绪行为分析方法， 其特征在于， 所述构建 相似度矩阵， 表达式为：权　利　要　求　书 1/3 页 2 CN 115496113 A 2其中， 表示行为所构成的相似度矩阵， 表示对屏幕点击次数与特征量的比对矩阵， T表示矩阵的转置运 算， 表示对屏幕点击力度与特 征量的比对矩阵。 5.如权利要求1所述的一种基于智能算法的情绪行为分析方法， 其特征在于， 所述利用 注意力机制提取 行为人在单位时间内对屏幕点击次数和力度的相似信息， 表达式为： 其中， 表示利用注意力机制提取对屏幕点击次数的相似信息， 表示对屏幕点击力度 与特征量的比对矩阵， 表示利用注意力机制提取对屏幕点击力度的相似信息， 表示对 屏幕点击次数与特征量的比对矩阵， 表示行为所构成的相似度矩阵， ph和pk分别表示次 数和力度持续的时间。 6.如权利要求1所述的一种基于智能算法的情绪行为分析方法， 其特征在于， 所述获取 次数、 力度与特 征量之间的特 征差异值， 表达式为： 其中， qh和qk分别表示进一 步获取次数、 力度与特 征量之间的特 征差异值。 7.如权利要求1所述的一种基于智能算法的情绪行为分析方法， 其特征在于， 所述对数 据集进行扩展， 表达式为： 其中， r池化合集， rh,ave、 rh,max表示对屏幕点击次数的平均池化向量和最大池化向量， rk,ave、 rk,max表示对屏幕点击力度的平均池化向量和最大池化向量。 8.如权利要求1所述的一种基于智能算法的情绪行为分析方法， 其特征在于， 所述通过 softmax函数为每 个输出情绪的类别都赋予一个概 率值， 表达式为： 其中， 表示第tij个单位时间内的输出值， F表示情绪类别的个数； 所述利用交叉熵计算模型 预测类别的概 率与真实类别概 率间的差距， 表达式为： 权　利　要　求　书 2/3 页 3 CN 115496113 A 3