[发明专利]基于HRV特征和三层SVR的PAD情绪维度预测方法

权利要求书

1.一种基于HRV特征和三层SVR的PAD情绪维度预测方法，其特征在于，包括：

采集生理信号，所述生理信号包括压力脉搏信号；

提取所述生理信号中的HRV特征，使用PAD模型对所述HRV特征进行标注，所述使用PAD模型对所述HRV特征进行标注的步骤包括：在采集生理信号时观看诱导视频，在所述诱导视频结束后根据实际感受填写PAD量表，根据所述PAD量表的各行数值计算PAD的各个维度数值，计算公式如下：

其中，V1-V12代表每行记录的数值；

设置样本集{(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，设置样本输入数据x与预测值y之间的函数关系表达式如下：

其中，是m维列向量，ω＝(ω₁,ω₂,...,ω_m)^T是m维权向量，b为偏置值；

将HRV特征作为回归预测模型的特征向量，使用SVR模型对PAD三维进行预测和分析。

2.根据权利要求1所述的基于HRV特征和三层SVR的PAD情绪维度预测方法，其特征在于，还包括：

设置常量ε＞0，对于样本(x_i,y_i)，若SVR模型完全没有损失，否则SVR模型对应的损失为SVR模型的损失函数如下：

根据结构风险最小化准则，确定ω和b的约束条件，对目标函数进行优化，构建最优化准则，以使损失函数最小，所述最优化准则的计算公式如下：

其中，J为目标函数，e_i∈R为松弛向量，c为正则化函数；

使用拉格朗日函数将公式(7)转化为对偶形式，计算公式如下：

其中，α_i为拉格朗日因子；

令公式(8)对ω、b、α_i和e_i的偏导数均为0，求得最优解如下：

获得预测值y，计算公式如下：

其中，为核函数。

3.根据权利要求1所述的基于HRV特征和三层SVR的PAD情绪维度预测方法，其特征在于，还包括：

标准化处理样本矩阵，计算公式如下：

其中，n为样本个数，m为影响因素个数；

获得相关系数矩阵R，计算公式如下：

其中，

计算所述相关系数矩阵R的特征值λ＝(λ₁,λ₂,...,λ_m)和特征向量a_i＝(a₁,a₂,...,a_m)，而且选择前K个因素，获得累计贡献度，计算公式如下：

根据前K个特征向量形成降维矩阵Y＝[a₁,a₂,...,a_K]，降维后的特征矩阵为X'＝X·Y。