个体特异性生物特征在改进通用压力预测模型中的作用
人机交互
2020-01-01 v2
摘要
由于压力是主观的且因人而异表达，通用压力预测模型（即预测任何人压力的模型）表现粗糙。只有个体特异性模型（即预测预定人员压力的模型）能产生可靠预测，但它们不可适配且在实际环境中部署成本高。举例而言，在办公环境中，使用个体特异性模型的压力监测系统需要为每位员工收集新数据并训练新模型。此外，一旦部署，由于压力是动态的且取决于不可预见因素，模型会退化并需要昂贵的定期升级。我们提出了一种简单但实用且具成本效益的校准技术，从大规模人群收集的生理样本推导出准确且个性化的压力预测模型。我们在两个压力数据集上验证了我们的方法。结果显示我们的技术远优于通用模型。例如，通用模型仅达到 42.5% 的准确率。然而，仅用 100 个校准样本，我们将其准确率提升至 95.2%。我们还基于我们的策略提出了压力监测系统的蓝图，并讨论了其优点与局限。最后，我们公开了源代码和相关数据集以允许其他研究者复现我们的发现。
引用
@article{arxiv.1910.01770,
title = {The Effect of Person-Specific Biometrics in Improving Generic Stress Predictive Models},
author = {Kizito Nkurikiyeyezu and Anna Yokokubo and Guillaume Lopez},
journal= {arXiv preprint arXiv:1910.01770},
year = {2020}
}
备注
Journal of Sensors and Materials