基于生理信号的感知人压力分类
信号处理
2019-05-17 v1 人机交互
机器学习
机器学习
摘要
本文提出一项利用非侵入式生理信号进行感知人压力分类的实验研究。这些信号包括脑电图(EEG)、皮肤电反应(GSR)和光电容积描记(PPG)。我们进行了包含数据采集、特征提取和感知人压力分类等步骤的实验。在睁眼状态下，对 28 名被试者持续三分钟采集生理数据。从 EEG、GSR 和 PPG 信号中提取四种时域特征，并使用支持向量机、朴素贝叶斯和多层感知机(MLP)等多种分类器进行分类。使用 MLP 分类器取得了 75% 的最佳分类准确率。实验结果表明，我们所提方案优于现有的无压力诱导物使用的感知压力分类方法。
引用
@article{arxiv.1905.06384,
title = {Classification of Perceived Human Stress using Physiological Signals},
author = {Aamir Arsalan and Muhammad Majid and Syed Muhammad Anwar and Ulas Bagci},
journal= {arXiv preprint arXiv:1905.06384},
year = {2019}
}
备注
Accepted for publication in EMBC 2019