基于HRV信号和面部表情的情绪评价研究的中期报告.docxVIP

基于HRV信号和面部表情的情绪评价研究的中期报告 本研究旨在探究基于心率变异性(HRV)信号和面部表情的情绪评价方法。在前期研究中，我们收集了一批参与者的HRV信号和面部表情数据，并使用了机器学习的方法对其进行分类。初步结果表明，HRV信号和面部表情可以被用于情绪分类，但其精度仍需进一步提升。 在本次中期报告中，我们将重点介绍以下工作： 1. 数据预处理：由于HRV信号的特性，我们对其进行了时间域和频域的分析，提取了多个特征。同时，我们还使用了面部表情分析技术，提取出了多个面部表情特征。在特征提取的基础上，我们对数据进行了标准化和归一化处理，以便进行后续的分类模型训练。 2. 情绪分类模型：我们使用了多个分类模型，包括逻辑回归、支持向量机(SVM)、随机森林等。在模型训练中，我们采用了交叉验证技术以及超参数调节等方法，以提高模型的精度和可泛化性。 3. 模型评价：我们使用了多个指标，包括准确率、精确率、召回率、F1值等，对模型进行了评价。结果表明，我们提出的方法可以达到较好的分类效果，其中随机森林模型表现最佳，准确率达到了85%。 综上，我们的研究初步证明了基于HRV信号和面部表情的情绪评价方法的可行性，并取得了一定的进展。未来，我们将进一步优化数据处理和分类模型，并探究更多的情感识别方法。