简介:[目的]本研究目的在于探究在囚徒困境的情境中,恐惧和愤怒情绪对于个体信任决策的影响,同时考察信任线索在其中的作用.[方法]采用3(诱发情绪:中性、愤怒、恐惧)×2(信任线索:高、低)的被试间实验设计,通过计算机程序呈现视频材料诱发被试的不同情绪,并通过计算机呈现博弈情境材料,被试使用按键表达态度倾向.[结果]不同情绪组的主效应显著,F(2,90)=4.48,p〈0.05;不同信任线索组的差异显著F(1,90)=34.52,p〈0.01;诱发情绪与信任线索之间交互作用显著,F(2,90)=3.41,p〈0.05;[结论]1.在囚徒困境博弈中,高信任线索下愤怒和恐惧情绪组的信任水平显著低于中性情绪组,但在低信任线索下三者的差异不显著;在低信任线索下,恐惧情绪组的信任水平高于愤怒情绪组,但二者之间的差异不显著.2.信任线索与诱发情绪之间存在显著的交互作用;3.被试进行信任决策时会受到信任线索的显著影响,且存在线索效应.
简介:针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。