[發明專利]一種激惹情緒的自適應識別預警方法

在審

• 申請號: 202210013984.1
• 申請日: 2022-01-06
• 公開（公告）號: CN115316991A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 劉正奎;李風華;晏陽;吳坎坎
• 申請（專利權）人: 中國科學院心理研究所
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0205;A61B5/00;A61B5/11;A61B5/318
• 代理公司: 北京康思博達知識產權代理事務所(普通合伙) 11426
• 代理人: 范國鋒;劉冬梅

1.一種激惹情緒的自適應識別預警方法，其特征在于，

該方法包括如下步驟：

步驟1,構建決策樹公共模型，向其中輸入判別特征進行訓練，從訓練好的決策樹公共模型中提取產生式規則集公共模型；

步驟2，基于具體使用者，對所述產生式規則集公共模型做適應性調優測試獲得使用者的個性化定制模型；

步驟3，通過將獲得的使用者情緒數據輸入到個性化定制模型來判斷使用者的情緒狀態，當使用者為激惹狀態時發出預警信息。

2.根據權利要求1所述的激惹情緒的自適應識別預警方法，其特征在于，

在步驟1中，獲得所述判別特征的過程包括如下子步驟：

子步驟1，采集數據集，所述數據集包括被采集者在采集時間段內的心動周期序列、呼吸頻率、體溫、血壓，還包括被采集者的睡眠數據和運動數據；優選地，所述采集時間段為2～10分鐘；

子步驟2：將時間窗內心動周期序列輸入到拉蓋爾回歸模型獲取交感神經指標序列(SAI序列)S_sai和副交感神經指標序列(PAI序列)S_pai，進而得到該時間窗內交感神指標序列均值和標準差σ(S_sai)；副交感神經指標序列的均值和標準差σ(S_pai)；

子步驟3：計算子步驟2中SAI與PAI序列均值的比值和標準差的加權和E_sp＝λ₁σ(S_sai)+λ₂σ(S_pai)，將W_sp作為喚醒值，E_sp作為情緒能量值；

子步驟4，對所述呼吸頻率、體溫、血壓、睡眠數據和運動數據做數據預處理，并將預處理后的數據與喚醒值、情緒能量值連接組合得到判別特征集。

3.根據權利要求2所述的激惹情緒的自適應識別預警方法，其特征在于，

在步驟1中，獲得所述判別特征后繼續執行如下子步驟：

子步驟5，將判別特征集輸入決策樹公共模型，選擇CART分類樹算法進行決策樹學習，遍歷決策樹從根節點到葉節點的每一條路徑，生成if-then產生式規則集公共模型R＝{R₁,R₂,...,R_n}；if-then產生式規則集公共模型中的規則R_i表示為其中F_ij表示規則R_i的第j個需要同時滿足的判別式，T_ij表示對應的閾值，表示預測的標簽。

4.根據權利要求2所述的激惹情緒的自適應識別預警方法，其特征在于，

在子步驟1中，所述睡眠數據包括最近一次睡覺至采集開始的時間間隔和最近一次睡覺的生理特征，所述生理特征包括：深睡比例、淺睡比例、快速眼動比例、清醒次數、開始睡覺的時段分類；

所述運動數據包括采集開始前的24小時內的運動步數和運動步頻。

5.根據權利要求2所述的激惹情緒的自適應識別預警方法，其特征在于，

在所述子步驟1中，每一組數據集都對應有一個情緒標簽，該情緒標簽中記載有被采集者在采集時間段內的情緒狀況，所述情緒狀況包括正常、輕度激惹和重度激惹；

優選地，子步驟1中采集多組數據集，至少包括100組情緒標簽為正常的數據集，至少包括100組情緒標簽為輕度激惹的數據集，至少包括100組情緒標簽為重度激惹的數據集。

6.根據權利要求2所述的激惹情緒的自適應識別預警方法，其特征在于，

在子步驟4中，所述預處理包括，去除采集到的數據中每一類標簽對應數據的離群點，處理方法為，從預先設置的群體樣本中提取各個特征的均值和標準差，再把每個特征都做Z分數標準化處理。