热应力数据集上的特征选择
神经与进化计算
2021-09-09 v1
摘要
高压力引发的身体症状在日常生活中普遍存在，这使得压力识别系统变得尤为重要。本研究旨在通过从热应力数据集 ANUstressDB 中选择合适的特征来改进压力分类。我们探索了三种不同的特征选择技术：相关性分析、幅度度量和遗传算法。采用支持向量机（SVM）和人工神经网络（ANN）模型来评估这三种算法。结果表明，与基线相比，遗传算法结合 ANN 可将预测准确率提高 19.1%。此外，在计算时间与性能的平衡方面，幅度度量在三种特征选择算法中表现最佳。这些发现有望提高当前压力识别系统的准确性。
引用
@article{arxiv.2109.03755,
title = {Feature Selection on Thermal-stress Dataset},
author = {Xuyang Shen and Jo Plested and Tom Gedeon},
journal= {arXiv preprint arXiv:2109.03755},
year = {2021}
}
备注
10 pages, 5 figurs, 8 tables, accepted by ACUR2021