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：

标签：Emotion,mRMR,GSR,Physiological,32,Signals,子集,如图
来源： https://blog.csdn.net/qq_22121907/article/details/115441895