人们的日常生活和工作离不开键盘操作,击键已经和执笔一样自然,形成习惯。与笔迹同理,用户也会形成自己独特的击键特征。最初的击键行为就是用于用户身份认证,通过建立用户身份的击键模板,比较输入与模板的差异,来判断输入者是否是用户本人。后来,有学者发现,在击键认证中,用户的情绪会影响击键认证的精度,就有麻省理工学院等学校的研究团队开始研究从击键行为中识别用户情绪。通过用户情绪的识别可以获知用户感受,反馈提升用户体验,也可以根据用户情绪提取用户特征,分析用户需求。由于人的情绪组成复杂,且随着时间迁移,人的情绪表现方式和程度也会发生变化,情绪识别的多样性和适应性成为研究的一个热点。击键特征主要分为时间和压力,由于后者需要特殊设备,所以前者使用更为广泛。击键认证的关键是提取用户击键时间特征建立用户模板。随着用户的变化,模板也会相应变化。情绪识别也是同理,在建立了用户模板后,需要不断更新用户模板来适应用户的变化,同时要丰富模板的组成来满足用户的情绪多样性。目前击键行为的情绪识别主要有机器学习和统计学两类方法,前者虽然灵活,但是需要足够的数据来建模和更新,现实中有关情绪的击键数据有限,难以满足,后者原理简单,计算方便,但是不够灵活,难以做到应变。击键行为的异常情绪识别中主要分为检测器的训练、检测更新两大模块,如何在训练完成之后,检测器自动适应性更新,保持和提高检测准确率,是当前研究的空白。在当前的研究背景下,情绪识别的分类方法多样,但是缺乏完善的适应更新的机制。为了解决检测的多样性和适应性更新问题,以提高检测的准确率,本文借鉴计算机免疫学的多样性和适应性,增加模板数量,增加模板的淘汰、替换和更新机制,完善检测中模板决策的方法。通过增加检测器的数量来丰富和扩充检测范围,通过权重来决定单检测器在最终检测结果中的影响因子,通过免疫中变异、杂交的概念来产生新的检测器,提高检测器的多样性。本文首次在解决击键行为的情绪识别问题中借鉴计算机免疫学的思想,通过多模板的更新和权重决定机制来解决情绪多样性和情绪改变的适应性问题。经调研,学生认为武大公选课的选课体验差,容易情绪过激,非选课时间则情绪稳定。遂本文以武汉大学教务系统为实验平台,采集用户在选课和非选课期间的异常和正常情绪下的登录数据。预处理后,分别采用欧几里得距离和曼哈顿距离作为相似性距离,实验对比本文提出的多模板决策更新算法和K-近邻算法,验证本文方法的有效性。