基于XGBoost的多种生理信号评估心理压力等级方法

摘要：

基于生理信号客观评估心理压力状态成为目前的研究热点,但最佳评估算法有待进一步探索.本文选择心算任务诱发受试者的心理压力,采集了21位在校大学生的脑电、心电、皮肤电导、脉搏波4种生理信号.提取各生理信号时域和频域的多种特征,使用方差分析(ANOVA)、最大相关最小冗余(mRMR)、单个特征支持向量机(SVM)分类准确率、随机森林(RF)特征重要性、梯度上升决策树(GBDT)特征重要性、极端梯度提升(XGBoost)特征重要性6种特征选择方法筛选出有效特征,利用SVM、K近邻(KNN)、高斯朴素贝叶斯(GNB)、自适应提升算法(Adaboost)、GBDT、XGBoost 6种分类器对提取的特征进行分类.结果得出,GBDT特征筛选与XGBoost分类器的组合模型对心理压力的等级评估效果最佳.

关键词：心理压力、生理信号、方差分析、分类器

所属期刊栏目：42

分类号：R318.04(医用一般科学)

资助基金：广东省重点研发项目;北京科技计划项目;国家自然科学基金;国家自然科学基金;国家重点研发计划

在线出版日期：2022-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：871-880