机构名称：
¥ 1.0
使用无线信号进行情绪状态识别是一个新兴的研究领域，对人类行为和幸福感监测的神经科学研究产生了影响。目前，对立情绪检测主要依赖于从光学或摄像机获取的面部表情和/或眼球运动的分析。同时，尽管机器学习方法已被广泛用于从多模态数据中识别人类情绪，但它们大多局限于缺乏通用性的受试者相关分析。在本文中，我们报告了一项实验研究，该研究从身体的射频 (RF) 反射中收集 15 名参与者的心跳和呼吸信号，然后采用新颖的噪声过滤技术。我们提出了一种基于原始 RF 数据和处理后的 RF 信号融合的新型深度神经网络 (DNN) 架构，用于对各种情绪状态进行分类和可视化。所提出的模型对独立受试者的分类准确率高达 71.67%，准确率、召回率和 F1 值分别为 0.71、0.72 和 0.71。我们将我们的结果与五种不同的经典 ML 算法的结果进行了比较，结果表明，即使原始 RF 和后处理时间序列数据量有限，深度学习也能提供卓越的性能。通过将我们的结果与 ECG 信号的结果进行比较，深度学习模型也得到了验证。我们的结果表明，使用无线信号进行待机情绪状态检测是一种比其他技术更好的替代方案，具有较高的准确性，在未来的行为科学研究中具有更广泛的应用。
使用无线信号进行独立于主体的情绪检测的深度学习框架
主要关键词
相关文件推荐
