本文選題：壓力識別 + 可穿戴設(shè)備��； 參考：《電子與信息學(xué)報》2017年11期

【摘要】：現(xiàn)代生活普遍壓力較大,容易引起消極痛苦的應(yīng)激,導(dǎo)致不良情緒甚至滋生各類慢性病。心理專家需要了解個體的壓力狀態(tài),從而開展對應(yīng)性心理疏導(dǎo)和治療。傳統(tǒng)心理學(xué)自評法存在一定的主觀性;基于生理多導(dǎo)儀的壓力狀態(tài)評估法,受設(shè)備體積所限無法用于日常壓力狀態(tài)評估。針對上述問題,該文采用可穿戴式傳感設(shè)備實時采集個體生理信號,利用心理和生理的伴生關(guān)系,對個體的心理壓力進行長期實時評估。同時通過蒙特利爾影像應(yīng)激實驗(MIST)誘發(fā)出被試平靜、輕微及高度壓力3種壓力狀態(tài),此實驗范式同時包含認知負荷精神壓力因素與社會評價心理壓力因素,與日常真實生活更為接近。該文共采集39名健康被試的實驗數(shù)據(jù),通過對數(shù)據(jù)的特征值提取等預(yù)處理,結(jié)合隨機森林算法對最優(yōu)特征子集進行選擇,采用支持向量機(SVM)分類算法對3種壓力狀態(tài)進行分類預(yù)測。實驗結(jié)果表明,通過隨機森林特征選擇優(yōu)化后的SVM分類,與通用的單一SVM分類算法相比,具有更好的分類識別效果,對3種壓力狀態(tài)的分類準確率可從78%提高至84%。
[Abstract]:The stress of modern life is high, which can lead to negative and painful stress, leading to bad mood and even various chronic diseases. Psychological experts need to understand the individual stress state, so as to develop corresponding psychological counseling and treatment. The traditional psychological self-evaluation method has some subjectivity, and the pressure state evaluation method based on physiological multi-conductors can not be used to evaluate the daily stress state due to the limitation of the equipment volume. To solve the above problems, the wearable sensing equipment is used to collect individual physiological signals in real time, and the long-term real-time evaluation of individual psychological pressure is carried out by using the relationship between psychology and physiology. At the same time, three kinds of stress states were induced by Montreal image stress test (MIST), which included cognitive load, mental stress factors and social evaluation psychological stress factors. Closer to everyday real life. In this paper, the experimental data of 39 healthy subjects were collected, and the optimal feature subset was selected by preprocessing the data, such as extracting the eigenvalue of the data, and combining with the stochastic forest algorithm. Support vector machine (SVM) classification algorithm is used to classify and predict three kinds of pressure states. The experimental results show that, compared with the general single SVM classification algorithm, the optimized SVM classification based on stochastic forest features has better classification and recognition effect, and the classification accuracy of the three pressure states can be improved from 78% to 84%.
【作者單位】： 中國科學(xué)院電子學(xué)研究所;中國科學(xué)院大學(xué);中國科學(xué)院心理研究所;
【基金】：國家自然科學(xué)基金(61302033) 北京市自然科學(xué)基金(Z160003) 國家重點研發(fā)計劃(2016YFC1304302,2016YFC026502,2016YFC1303900)~~
【分類號】：R318.6;TP18

【相似文獻】

相關(guān)期刊論文 前5條

1 羅萬春;;基于支持向量機的凝血功能診斷模型[J];數(shù)學(xué)的實踐與認識;2013年06期

2 陸強;馮敏;馬華;張西學(xué);;模糊聚類支持向量機在步態(tài)分類中的應(yīng)用[J];中國組織工程研究與臨床康復(fù);2011年09期

3 史鑫;羅述謙;;支持向量機在醫(yī)學(xué)圖像分割中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2007年03期

4 王浩軍,鄭崇勛,李映,朱華鋒,閆相國;支持向量機在血細胞分類中的應(yīng)用[J];生物醫(yī)學(xué)工程學(xué)雜志;2003年03期

5 周舒冬;張磊;葉小華;楊云升;;支持向量機技術(shù)在疾病預(yù)后中的應(yīng)用和比較[J];數(shù)理醫(yī)藥學(xué)雜志;2007年06期

相關(guān)會議論文 前1條

1 肖惠玲;曾翎;黃�，�;張琳;王昱清;楊勤;陳華富;;支持向量機探測腦功能活動[A];中國生物醫(yī)學(xué)工程進展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

相關(guān)碩士學(xué)位論文 前4條

1 尹祖鈺;基于主成分分析和遞歸特征消除的支持向量機分類方法研究[D];哈爾濱工業(yè)大學(xué);2016年

2 李琴;基于支持向量機和極限學(xué)習(xí)機的功能位點識別[D];南京農(nóng)業(yè)大學(xué);2015年

3 王晶;支持向量機及其在癌癥診斷中的應(yīng)用研究[D];東北師范大學(xué);2006年

4 史鑫;支持向量機在醫(yī)學(xué)圖像分割中的應(yīng)用[D];首都醫(yī)科大學(xué);2007年

，

本文編號：1896466