-
公开(公告)号：CN113470787B
公开(公告)日：2024-01-30
申请号：CN202110777122.1
申请日：2021-07-09
Applicant: 福州大学
IPC: G16H20/70 , G06N3/0442 , G06N3/0464 , A61B5/00 , A61B5/16 , A61M21/00
Abstract: 本发明涉及一种基于神经网络的情绪识别与脱敏训练效果评估方法。包括：搭建虚拟现实情绪诱发分级场景并进行实验，获取多种生理数据，构建样本数据集，并采用SAM问卷进行场景分级验证；进行生理信号预处理，得到预处理后的数据集，分为训练集和测试集；选取卷积块、长短期记忆网络构造单模态生理信号神经网络结构，并进行融合得到基于多生理信号的神经网络情绪识别模型；选取30名被试分别进行低等级场景测试，同时记录测试过程中的生理信号，用于情绪预测；基于上述情绪预测结果，将30名被试分别进行低等级与高等级脱敏训练，并预测脱敏训练效果。本发明能快速准确地识别实验对象的情绪状态，并能够对实验对象参与实验的脱敏训练效果进行有效评估。
-
公开(公告)号：CN115633961A
公开(公告)日：2023-01-24
申请号：CN202211330463.5
申请日：2022-10-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于动态加权决策融合恐高情绪识别模型构建方法与系统。该方法：使用虚拟现实技术搭建虚拟高空场景，获取参与者六种生理信号，并构建初始样本集；根据生理信号的特点进行对应的预处理操作，通过特征工程构造特征样本集，并按照预设比例分割数据集；将六种生理信号的对应特征样本集依次输入分类机器学习模型得到六个一级子分类模型；设计子分类器分类性能系数权重、子分类器最大互信息系数权重和生理信号失真性系数权重，实现生理信号自身信息和跨模态信息的动态加权决策融合；将六个子分类器模型进行融合，获得最终模型。本发明显著提升了模型的识别精度和稳定性，可以通过多生理信号快速准确地预测参与者的恐高情绪程度。
-
公开(公告)号：CN113470787A
公开(公告)日：2021-10-01
申请号：CN202110777122.1
申请日：2021-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于神经网络的情绪识别与脱敏训练效果评估方法。包括：搭建虚拟现实情绪诱发分级场景并进行实验，获取多种生理数据，构建样本数据集，并采用SAM问卷进行场景分级验证；进行生理信号预处理，得到预处理后的数据集，分为训练集和测试集；选取卷积块、长短期记忆网络构造单模态生理信号神经网络结构，并进行融合得到基于多生理信号的神经网络情绪识别模型；选取30名被试分别进行低等级场景测试，同时记录测试过程中的生理信号，用于情绪预测；基于上述情绪预测结果，将30名被试分别进行低等级与高等级脱敏训练，并预测脱敏训练效果。本发明能快速准确地识别实验对象的情绪状态，并能够对实验对象参与实验的脱敏训练效果进行有效评估。
-
-
Search Results
3
records
(took 0.015 seconds)
