[5]本文提出了使用可穿戴生理和运动传感器记录的多模式数据集对个体进行压力检测的不同机器学习和深度学习技术，这可以防止某人摆脱各种与压力相关的健康问题。传感器模态的数据，例如三轴加速度（ACC），心电图（ECG），血量脉冲（BVP），体温（临时），呼吸（severmotication（EMG）和电diperotication（EMG）和电dially-mal活性（EDA），在三个生理条件下，在三个生理条件下 - 娱乐状态，中性状态和压力状态，均为weSAD。通过使用机器学习技术（如K-Nearest邻居，线性判别分析，随机森林，决策树，Adaboost和Ker- Nel支持向量机器）评估了三级（娱乐与基线与压力）和二进制（压力与无压力）分类的精度。此外，还为这些三级和二元分类引入了简单的深度学习人工神经网络。在研究期间，通过使用机器学习技术，对于三类和二元分类问题，分别达到了高达81.65个百分比和93.2个百分点的准确性，并且通过深度学习，实现的准确性分别为84.3个百分比和95.21个百分比。