[發(fā)明專利]基于HRV特征和三層SVR的PAD情緒維度預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011044075.1
• 申請日: 2020-09-28
• 公開（公告）號: CN112263252A
• 公開（公告）日: 2021-01-26
• 發(fā)明（設(shè)計）人: 韓永明;張明星;陳愷;耿志強;王雅潔;李丹寧;謝鋒
• 申請（專利權(quán)）人: 貴州大學(xué);北京化工大學(xué)
• 主分類號: A61B5/16
• 分類號: A61B5/16
• 代理公司: 北京太兆天元知識產(chǎn)權(quán)代理有限責(zé)任公司 11108
• 代理人: 王宇

1.一種基于HRV特征和三層SVR的PAD情緒維度預(yù)測方法，其特征在于，包括：

采集生理信號，所述生理信號包括壓力脈搏信號；

提取所述生理信號中的HRV特征，使用PAD模型對所述HRV特征進行標注，所述使用PAD模型對所述HRV特征進行標注的步驟包括：在采集生理信號時觀看誘導(dǎo)視頻，在所述誘導(dǎo)視頻結(jié)束后根據(jù)實際感受填寫PAD量表，根據(jù)所述PAD量表的各行數(shù)值計算PAD的各個維度數(shù)值，計算公式如下：

其中，V1-V12代表每行記錄的數(shù)值；

設(shè)置樣本集{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}，其中x_i＝(x_i1,x_i2,...,x_im)表示HRV特征向量，設(shè)置樣本輸入數(shù)據(jù)x與預(yù)測值y之間的函數(shù)關(guān)系表達式如下：

其中，是m維列向量，ω＝(ω₁,ω₂,...,ω_m)^T是m維權(quán)向量，b為偏置值；

將HRV特征作為回歸預(yù)測模型的特征向量，使用SVR模型對PAD三維進行預(yù)測和分析。

2.根據(jù)權(quán)利要求1所述的基于HRV特征和三層SVR的PAD情緒維度預(yù)測方法，其特征在于，還包括：

設(shè)置常量ε＞0，對于樣本(x_i,y_i)，若SVR模型完全沒有損失，否則SVR模型對應(yīng)的損失為SVR模型的損失函數(shù)如下：

根據(jù)結(jié)構(gòu)風(fēng)險最小化準則，確定ω和b的約束條件，對目標函數(shù)進行優(yōu)化，構(gòu)建最優(yōu)化準則，以使損失函數(shù)最小，所述最優(yōu)化準則的計算公式如下：

其中，J為目標函數(shù)，e_i∈R為松弛向量，c為正則化函數(shù)；

使用拉格朗日函數(shù)將公式(7)轉(zhuǎn)化為對偶形式，計算公式如下：

其中，α_i為拉格朗日因子；

令公式(8)對ω、b、α_i和e_i的偏導(dǎo)數(shù)均為0，求得最優(yōu)解如下：

獲得預(yù)測值y，計算公式如下：

其中，為核函數(shù)。

3.根據(jù)權(quán)利要求1所述的基于HRV特征和三層SVR的PAD情緒維度預(yù)測方法，其特征在于，還包括：

標準化處理樣本矩陣，計算公式如下：

其中，n為樣本個數(shù)，m為影響因素個數(shù)；

獲得相關(guān)系數(shù)矩陣R，計算公式如下：

其中，

計算所述相關(guān)系數(shù)矩陣R的特征值λ＝(λ₁,λ₂,...,λ_m)和特征向量a_i＝(a₁,a₂,...,a_m)，而且選擇前K個因素，獲得累計貢獻度，計算公式如下：

根據(jù)前K個特征向量形成降維矩陣Y＝[a₁,a₂,...,a_K]，降維后的特征矩陣為X'＝X·Y。