一个多表现生理指标狗情绪分类系统 整合皮肤和肌肉潜在信号
Wenqi Jia1, Yanzhi Hu1, Zimeng Wang1
1College of Electrical Engineering and Information, Northeast Agricultural University, Harbin 150030, China.
Animals : an open access journal from MDPI
|July 12, 2025
概括
这项研究开发了一种使用生理信号和机器学习的狗情绪分类系统. 该系统在识别狗的情绪 (如快乐,悲伤,恐惧和愤怒) 中达到90.54%的准确性.
科学领域:
- 情感计算是一种情感计算.
- 动物行为科学 动物行为科学
- 机器学习用于动物福利.
背景情况:
- 准确的狗情绪识别对于动物福利至关重要.
- 非侵入性的生理指标为客观地评估狗的情绪提供了一个有希望的途径.
- 整合多个生理信号可以提高分类准确性.
研究的目的:
- 开发和验证一个准确的,非侵入性的系统来分类狗的情绪.
- 调查整合皮肤潜力,肌肉潜力,呼吸频率和语音模式用于情绪检测的有效性.
- 为了比较各种机器学习算法的性能,用于犬类情绪分类.
主要方法:
- 通过使用四种情绪状态的四种犬种的生理信号 (皮肤潜力,肌肉潜力,呼吸频率,语音模式) 创建了一个多模式数据集.
- 在每个信号模式上进行了广泛的特征提取.
- 四个机器学习算法 (NN,SVM,GBDT,XGBoost) 被训练和评估,XGBoost因其卓越的性能而被选中.
主要成果:
- 该XGBoost算法实现了最高的分类准确率90.54%.
- 这项研究是第一个将电生理学指标 (皮肤和肌肉潜力) 融合为狗情绪识别的研究.
- 沙普利添加式扩张 (SHAP) 分析确定了皮肤潜力和语音模式特征是最有影响力的.
结论:
- 开发的系统证明了犬类情绪分类的高准确性,效率和可移植性.
- 多个生理信号的整合,特别是电生理信号,显著改善了情绪识别.
- 这项研究为推进跨物种情感计算和智能动物福利技术提供了基础.
