情绪状态的概况 基于第二版的情绪强度估计通过脑电图和心率变量与支持向量机器

科学领域:

• 神经科学是一个神经科学.
• 心理生理学 心理生理学
• 情感计算是一种情感计算.

背景情况:

• 准确的情绪状态评估对于心理健康护理,压力管理和情感计算至关重要.
• 当前的方法通常依赖于主观的自我报告,限制了客观性.
• 开发客观,定量方法来识别情绪是一个关键的研究领域.

研究的目的:

• 用生理信号来分类和估计多种情绪状态的强度.
• 研究电脑电图 (EEG) 和心率变化 (HRV) 对情绪识别的有效性.
• 为了确定关键的生理指标来准确地分类情绪.

主要方法:

• 使用拼图拼图任务引起的情绪.
• 记录的脑电图 (EEG) 和心率变化 (HRV) 信号.
• 使用的支持矢量机器 (SVM) 具有主要组件分析 (PCA) 或自动编码器 (AE) 进行分类和递归特征消除 (RFE) 进行特征选择.

主要成果:

• 分类模型通过PCA或AE预处理实现了超过0.9的卡帕系数.
• 确定了关键特征:平均RR间隔 (MRRI),低频 (LF) 和高频 (HF) 功率,LF/HF比率,以及前额α不对称.
• 确定了不那么重要的特征,包括RR间隔的标准偏差和F7α-F8α不对称性.

结论:

• EEG和HRV信号可以同时分类和估计多种情绪状态.
• 这些发现支持开发客观情绪识别系统.
• 这项研究为非侵入性心理健康评估和先进的人与计算机交互提供了潜力.