压力分类与个性化：以最少数据获取最大效用

压力检测与监测是一个活跃的研究领域，对个人的身心健康、职业健康与社会健康具有重要影响。当前情感状态分类方法使用传统机器学习算法，基于多传感器模态计算的特征。这些方法数据密集且依赖手工特征，阻碍了这些传感器系统在日常生活中的实际适用性。为克服这些不足，我们提出了一种新颖的基于卷积神经网络 (CNN) 的压力检测与分类框架，无需任何特征计算且仅使用单一传感器模态的数据。我们的方法具有竞争力，优于当前最先进的技术，达到了$92.85\%$的分类准确率和$0.89$的$f1$分数。通过留一受试者交叉验证分析，我们也展示了压力模型个性化的重要性。