生物医学工程论文_基于树模型机器学习的皮肤电 - 决策与信息杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 决策与信息

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

生物医学工程论文_基于树模型机器学习的皮肤电

作者:

关键词:

摘要：

文章目录

0 引言

1 数据来源和情感标签选择

1.1 DEAP数据集

1.2 情感标签选择

2 皮肤电信号特征提取

2.1 时域特征提取

2.2 频域特征提取

2.3 非线性特征提取

3 情绪分类模型

3.1 决策树算法

3.2 随机森林算法

4 结果与分析

4.1 仿真结果与模型评价指标

4.1.1 模型评价指标

4.1.2 仿真结果

4.2 结果分析

4.2.1 情感标签阈值对分类结果的影响

4.2.2 分类算法对情绪识别结果的影响

4.2.3 与其他方法比较

5 结束语

文章摘要:为了提高维度模型生理信号情绪识别准确率和泛化能力,本文基于DEAP维度情感生理数据集,提取皮肤电信号时域统计特征、功率谱特征、小波包熵特征,分别采用决策树和随机森林算法在唤醒度和效价两个情感维度进行情绪分类.通过选取合适的维度情感标签阈值,有效提高机器情绪识别准确率和稳健性;利用情绪诱发状态与自然状态下的皮肤电信号的差值进行归一化处理,消除个体差异,提高模型的泛化能力;采用多特征融合并基于集成学习的随机森林算法,获得更好的情绪识别性能.在唤醒度维度上的分类准确率Acc和F1值分别为92.0%和0.933,在效价维度上的分类准确率Acc和F1值分别为90.9%和0.925.仿真实验表明,基于树模型的机器学习方法可以实现维度情绪的准确识别,该研究可用于可穿戴设备生理信号情绪自动分析和机器识别.

文章关键词:

项目基金:《决策与信息》网址: http://www.jcyxxzz.cn/qikandaodu/2021/1209/1471.html