由于生理信息可以客观的反映出真实的情感状态,使得基于生理信号情绪识别方法的研究具有重要的现实意义。本文基于前人所做的工作,重点研究混沌理论用于多生理信息特征提取和C5.0决策树应用于情绪识别方面的问题。论文首先对德国Augsburg大学提供的生理数据(心电、肌电、皮电和呼吸)分别提取了6种混沌特征(最大Lyapunov指数、关联维、盒子维、信息熵、近似熵和复杂度),之后采用C5.0算法对这些混沌特征参量下的4种情绪进行分类和识别。C5.0算法是最新的决策树分类器,解决了大样本情况下的机器学习问题,对于样本分类结果更加精确。分类结果对高兴、愤怒、悲伤和愉快的识别率均达到了100%,能够完全正确分类这4种情绪。本文识别效果理想的原因有两点,一是将混沌理论用于多生理信号的特征参量提取,二是采用最新C5.0决策树分类混沌特征属性。利用实验室现有设备采集一名被试者在4种情绪下的3种生理信号(心电、皮电及呼吸),基于文中相关算法提取混沌特征并进行情绪识别,结果显示这4种情绪的识别率都有所降低。识别率下降的原因有三点:一是由于实验条件限制没有采集对识别Joy和Sadness情绪效果最好的肌电信号,二是诱发情绪的视频素材较单一造成低唤醒度Pleasure情绪识别率的降低,三是采集情绪的样本数量偏少。