用于情绪感知医疗系统的基于多模态生理信号的情绪识别
原文链接:https://link.springer.com/article/10.1007/s40846-019-00505-7
Abstract
对象:RB(呼吸带),PPG(光电容积描记术),FTT(指尖温度)
方法:随机森林,支持向量机,逻辑回归等机器学习方法;决策级融合
结果:arousal:69.86%–>73.08%;valence:69.53%–>72.18%
背景
【13,14】处理GSR
【15】处理PPG+GSR
数据集
DEAP
特征提取
63s分为21个3s的片段,如图:
提取的特征,如图:
特征选择
- 方法:mRMR算法(最小冗余最大相关性)
- 步骤:先归一化特征值到 [-1,1];用mRMR评分;根据评分,分组选出特征子集;
分类器训练
标签:>=4.5:高;<4.5:低
用随机森林做了几次实验:
最后融合一下:
分类结果与讨论
验证方法:排除交叉验证(LOSO-CV),数据被划分为32个子集,其中每个子集都包含单个受试者的数据。在32个主题子集中,有31个子集用于训练模型,其余的子集用于测试。对于不同的测试子集,此过程重复32次。平均32个测试的准确性,以确定情感识别系统的性能。
结果如图: