一种心理压力评估中针对个体差异的分类方法
【专利摘要】本发明公开了一种心理压力评估中针对个体差异问题的分类方法，其内容包括如下步骤：1.设计一套有效的实验室诱发心理压力的实验方案，建立心理压力素材激发素材库；2.sEMG信号的心理压力数据采集；3.对原始数据进行预处理；4.sEMG信号的心理压力特征提取及处理；5.采用改进的支持向量机分类器进行心理压力评估分类。本发明通过简单可行的实验方案来获取心理压力数据，使研究者们能够在对大量数据进行细致分析的基础上，得到对心理压力的更加深入的理解，从而有助于理解人类的情绪化行为。本发明基于生理信号的心理压力评估研究相对于问卷等自我评估的形式具有更为客观的特点，因而其用途也将更为广泛，并且有利于心理压力与健康的研究。
【专利说明】一种心理压力评估中针对个体差异的分类方法
【技术领域】
[0001]本发明涉及一种生理信号心理压力评估方法，特别涉及一种心理压力评估中针对个体差异的分类方法。
【背景技术】
[0002]研究和实践都表明:适当程度的心理压力会对人们产生正能量，但心理压力一旦过大，则会产生很多负面效应。慢性心理压力会带来一系列的病理、生理风险，直接影响健康。有效的心理压力测评方法，可以检测与评估出心理压力，提醒人们关注健康。
[0003]在心理学领域常用于心理压力评估的方法有晤谈法、心理测验法和问卷调查法。尽管这些方法在一定程度上能够反映出个体的心理压力，但是往往需要参与者的显著响应和积极配合。如果心理压力评估可以在不需要自我评估的条件下进行，其用途将更为广泛，并且有利于心理压力与健康的研究。
[0004]在本发明之前，美国麻省理工学院的Picard教授课题小组研究了基于语音的司机驾驶压力评估，基于生理参数的心理压力评估，其中又以自然状态下司机驾驶心理压力评估研究为主。Healey和Picard在其研究中持续记录在通往波士顿市中心固定路段上行驶的汽车司机的心电图、肌电图、皮肤电导和呼吸信号，证明了生理信号对于预测心理压力具有很高的精确度。德国Augsburg大学采用“俄罗斯方块”游戏作为心理压力源，采集了一名被试者的129组呼吸信号和肌电信号。通过LDA和Fisher判别对结果进行了分析，平均识别率达80%以上。卡内基梅隆大学的Yuan Shi等人采集4种不同心理压力源下22名被试者的体温、心电信号、皮肤电反应电阻和呼吸信号，建立了心理压力识别模型，并证明了该模型在心理压力检测中具有较高的精确度和稳定性。Gennaro Tartarisco等设计了一种用于评估心理压力的简单无线装置，可以使人们自动而持久地检测日常活动中的心理压力，通过分析心电信号及主体动作特征来自动识别心理压力。Javier Hernandez等人以话务中心工作人员作为实验对象，研究了解决自动识别心理压力/非心理压力反应中个体差异问题的两种方法，他们通过1500个呼叫对此方法进行验证，得到如下结果:对于同一人的多天数据，训练和测试得到的正确率是78.3% ;而在不同参与者间进行训练和测试得到的正确率是73.41%。
[0005]在心理压力数据的获取方面，研究者多是采集真实环境中心理压力下的生理信号，这对信号获取装置的要求较高，且成本较大。实验室环境下心理压力的诱发也多使用游戏作为心理压力源，如需获取同一名被试者多天的心理压力数据，由于“适应性”的存在，这一方案的效果就会大大降低。目前对心理压力数据的研究中，缺乏一套适用于实验室环境下的完整的心理压力诱发方案。进行心理压力评估时，多采用传统算法，进行特征提取与选择，然后直接送进分类器进行分类，没有针对特定问题加入相关的样本信息进行改进。
【发明内容】
[0006]为了克服上述现有技术的不足，本发明提供了一套有效的实验室诱发心理压力的实验方案，并提出了解决自动识别心理压力/非心理压力反应中个体差异问题的几种方
法，对SVM分类算法进行改进(SVM-Support Vector machine向量机_),以提升分类器
性能，获得更高的分类正确率。
[0007]—种心理压力评估中针对个体差异的分类方法，其内容包括如下步骤:
[0008]第一步设计一套有效的实验室诱发心理压力的实验方案，建立心理压力素材激发素材库；
[0009]在实验室条件下尽可能地模拟真实情景，加入尽可能多的心理压力因素，如众所周知的高强度噪声以及低亮度光照心理压力源等；
[0010]在连续的四天中分别使用不同的心理压力源进行实验，避免因采用不变的刺激源而可能使参与者产生的“适应性”，从而增强实验效果；
[0011]实验过程中关闭灯光，保持绝对安静，使用PC机完成实验素材的播放；
[0012]数据采集前后分别使被试者填写一份问卷，用于数据的辅助分析及实验效果评估；
[0013]第二步sEMG 信号的心理压力数据米集(sEMG—surface electromyographicsignal表面肌电信号)；
[0014]第三步对原始数据进行预处理；
[0015]第四步sEMG信号的心理压力特征提取及处理；
[0016]第五步采用改进的支持向量机分类器进行心理压力评估分类；
[0017]使用所述步骤所采集到的数据，对SVM算法进行改进，得到基于SVM的改进算法用以解决情感计算中普遍存在的个体差异问题。
[0018]基于SVM的改进算法包括选择训练样本和加入分类权重两个方面。
[0019]所述的选择训练样本的步骤如下:
[0020]支持向量机的标准表达式为: [0021]
【权利要求】
1.一种心理压力评估中针对个体差异问题的分类方法，其特征在于:该方法内容包括如下步骤: 第一步设计一套有效的实验室诱发心理压力的实验方案，建立心理压力素材激发素材库； 在实验室条件下尽可能的模拟真实情景，加入尽可能多的心理压力因素，如众所周知的高强度噪声以及低亮度光照心理压力源等； 在连续的四天中分别使用不同的心理压力源进行实验，避免因采用不变的刺激源而可能使参与者产生的“适应性”，从而增强实验效果； 实验过程中关闭灯光，保持绝对安静，使用PC机完成实验素材的播放； 数据采集前后分别使被试填写一份问卷，用于数据的辅助分析及实验效果评估； 第二步SEMG信号的心理压力数据采集； 第三步对原始数据进行预处理； 第四步sEMG信号的心理压力特征提取及处理； 第五步采用改进的支持向量机分类器进行心理压力评估分类； 使用以上实验所采集到的数据，对SVM算法进行改进，得到基于SVM的改进算法用以解决情感计算中普遍存在的个体差异问题。
2.根据权利要求1所述的一种心理压力评估中针对个体差异问题的分类方法，其特征在于:第五步所述的基于SVM的改进算法包括选择训练样本和加入分类权重。
3.根据权利要求2所述的一种心理压力评估中针对个体差异问题的分类方法，其特征在于:第五步所述的选择训练样本的内容包括如下步骤: Stepl:截取每组数据中间部分的10s，基于K均值聚类算法聚类，取K=2来将所有样本划分为两类； Step2:对于每个训练样本，当其与测试集属同一类时,认为该样本与测试样本之间具有较强的相关性，并使Vi = I；否则，则认为该样本与测试样本间的相关性不大，此时将Vi置零； Step3:支持向量机的标准表达式为:
4.根据权利要求2所述的一种心理压力评估中针对个体差异问题的分类方法，其特征在于:第五步所述的加入分类权重的内容包括如下步骤: Stepl:在对训练样本进行选择后，原本接近相等的正负两类样本数出现了一定的不平衡性。而当数据不平衡时，比如正类的数量远少于负类的数量，就会导致正类的误差之和小于负类的误差之和，这就相当于对负类施加了比较大的错误惩罚，从而导致分割平面向正类方向移动，因而要对这种不平衡性进行修正； Step2:设
【文档编号】G06F17/30GK103605721SQ201310571944
【公开日】2014年2月26日 申请日期:2013年11月13日 优先权日:2013年11月13日
【发明者】李昕, 张云鹏, 孙跃家 申请人:燕山大学