基于深度种子聚类的可穿戴生理传感器情绪识别
机器学习
2025-04-16 v2 信号处理
摘要
根据情绪的环形模型，情绪反应可由愉悦度（效价）和强度（唤醒度）来表征。由于它反映在自主神经系统（ANS）活动中，现代可穿戴腕带可以在日常生活中非侵入性地记录该反应的外周端点。虽然基于生理信号的情绪识别通常使用需要真实标签进行训练的监督机器学习算法来实现，但收集标签繁琐且在自然场景中尤其不可行，且从这些信号中提取有意义的见解需要领域知识并可能带有偏差。在此，我们提出并测试了一种深度种子聚类算法，它以最小监督从这些生理信号中自动提取并分类特征——结合用于无监督特征表示的自动编码器（AE）和用于细粒度分类的 c-means 聚类。我们还表明，该模型在情感计算研究中常用的三个不同数据集上取得了良好的性能结果（WESAD 上准确率 80.7%，Stress-Predict 上 64.2%，CEAP360-VR 上 61.0%）。
引用
@article{arxiv.2308.09013,
title = {Deep-seeded Clustering for Emotion Recognition from Wearable Physiological Sensors},
author = {Marta A. Conceição and Antoine Dubois and Sonja Haustein and Bruno Miranda and Carlos Lima Azevedo},
journal= {arXiv preprint arXiv:2308.09013},
year = {2025}
}
备注
14 pages, 15 figure, 4 tables