| 基于XGBoost的多种生理信号评估心理压力等级方法 |
| |
| 作者姓名： | 林艳飞 龙媛 张航 刘志文 张政波 |
| |
| 作者单位： | 1.北京理工大学 信息与电子学院,北京 100081 |
| |
| 基金项目： | 广东省重点研发项目(2018B030339001);北京科技计划项目(Z201100004420015);国家自然科学基金资助项目(61601028,61431007);国家重点研发计划项目(2017YFB1002505) |
| |
| 摘 要： | 基于生理信号客观评估心理压力状态成为目前的研究热点,但最佳评估算法有待进一步探索.本文选择心算任务诱发受试者的心理压力,采集了21位在校大学生的脑电、心电、皮肤电导、脉搏波4种生理信号.提取各生理信号时域和频域的多种特征,使用方差分析(ANOVA)、最大相关最小冗余(mRMR)、单个特征支持向量机(SVM)分类准确率、随机森林(RF)特征重要性、梯度上升决策树(GBDT)特征重要性、极端梯度提升(XGBoost)特征重要性6种特征选择方法筛选出有效特征,利用SVM、K近邻(KNN)、高斯朴素贝叶斯(GNB)、自适应提升算法(Adaboost)、GBDT、XGBoost 6种分类器对提取的特征进行分类.结果得出,GBDT特征筛选与XGBoost分类器的组合模型对心理压力的等级评估效果最佳.
|
| 关 键 词： | 心理压力 生理信号 方差分析 分类器 |
| 收稿时间： | 2021-07-13 |
|
| 点击此处可从《北京理工大学学报》浏览原始摘要信息 |
|
点击此处可从《北京理工大学学报》下载免费的PDF全文 |
|
