王丰^1,2,5,王亚沙^1,3,王江涛^1,2,熊昊一⁴,赵俊峰^1,2,张大庆^1,2

¹(高可信软件技术教育部重点实验室(北京大学) 北京 100871); ²(北京大学信息科学技术学院 北京 100871); ³(北京大学软件工程国家工程研究中心 北京 100871); ⁴(密苏里科技大学计算机科学系 美国密苏里州罗拉 65409); ⁵(计算机网络和信息集成教育部重点实验室(东南大学) 南京 210018) (wangfeng2013@pku.edu.cn)

出版日期: 2019-03-01


基金资助:国家自然科学基金项目(61772045)

Mental Stress Assessment Approach Based on Smartphone Sensing Data

Wang Feng^1,2,5, Wang Yasha^1,3, Wang Jiangtao^1,2, Xiong Haoyi⁴, Zhao Junfeng^1,2, Zhang Daqing^1,2

¹(Key Laboratory of High Confidence Software Technologies (Peking University), Ministry of Education, Beijing 100871); ²(School of Electronics Engineering and Computer Science, Peking University, Beijing 100871); ³(National Research Center of Software Engineering, Peking University, Beijing 100871); ⁴(Department of Computer Science, Missouri University of Science and Technology, Rolla, MO, USA 65409); ⁵(Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, Nanjing 210018)

Online: 2019-03-01

摘要/Abstract

摘要： 较大的心理压力对大学生的心理和生理均会产生危害.心理压力往往在前期容易被人忽视，从而导致严重的问题.因此，如果能较早发现心理压力，并进行合理干预，有益于人的身心健康.传统心理压力检测方法以问卷调查和借助专业设备的评估为主，但都存在成本较高，且对被评估对象侵扰较大等不足.另一方面，随着智能手机的快速普及，通过手机中内置的位置、声音、加速度等多种传感器感知用户的行为习惯，并基于感知数据评估用户心理压力成为一种低成本、低侵扰的心理压力评估手段.在此背景下，针对基于智能手机感知数据分析，对评估大学生心理压力的方法展开了研究，从感知数据中提取合理的特征，提出了一种更高效的心理压力评估方法.首先，讨论了如何从原始的手机感知数据提取出合理的特征；其次，介绍将心理压力评估转化为分类问题，并使用半监督学习方法构造分类模型；最后，在开放数据集StudentLife上对上述模型进行实验验证.实现结果表明：该方法在心理压力检测精确度和召回率等方面均优于基线方法.

参考文献

相关文章 15

[1]	吴宗友, 白昆龙, 杨林蕊, 王仪琦, 田英杰. 电子病历文本挖掘研究综述[J]. 计算机研究与发展, 2021, 58(3): 513-527.
[2]	陈晋音, 陈奕芃, 陈一鸣, 郑海斌, 纪守领, 时杰, 程瑶. 面向深度学习的公平性研究综述[J]. 计算机研究与发展, 2021, 58(2): 264-280.
[3]	于畅, 王雅文, 林欢, 宫云战. 基于故障检测上下文的等价变异体识别算法[J]. 计算机研究与发展, 2021, 58(1): 83-97.
[4]	李双峰. TensorFlow Lite：端侧机器学习框架[J]. 计算机研究与发展, 2020, 57(9): 1839-1853.
[5]	陈珂锐, 孟小峰. 机器学习的可解释性[J]. 计算机研究与发展, 2020, 57(9): 1971-1986.
[6]	丁成诚, 陶蔚, 陶卿. 一种三参数统一化动量方法及其最优收敛速率[J]. 计算机研究与发展, 2020, 57(8): 1571-1580.
[7]	贺一笑, 庞明, 姜远. 蒙德里安深度森林[J]. 计算机研究与发展, 2020, 57(8): 1594-1604.
[8]	郑值, 徐童, 秦川, 廖祥文, 郑毅, 刘同柱, 童贵显. 基于多源情境协同感知的药品推荐[J]. 计算机研究与发展, 2020, 57(8): 1741-1754.
[9]	李冬梅, 张扬, 李东远, 林丹琼. 实体关系抽取方法研究综述[J]. 计算机研究与发展, 2020, 57(7): 1424-1448.
[10]	陶涛, 孙玉娥, 陈冬梅, 杨文建, 黄河, 罗永龙. 一种基于智能手机传感器数据的地图轮廓生成方法[J]. 计算机研究与发展, 2020, 57(7): 1490-1507.
[11]	蓝天, 彭川, 李森, 叶文政, 李萌, 惠国强, 吕忆蓝, 钱宇欣, 刘峤. 单声道语音降噪与去混响研究综述[J]. 计算机研究与发展, 2020, 57(5): 928-953.
[12]	刘辰屹, 徐明伟, 耿男, 张翔. 基于机器学习的智能路由算法综述[J]. 计算机研究与发展, 2020, 57(4): 671-687.
[13]	周文, 张世琨, 丁勇, 陈曦. 面向低维工控网数据集的对抗样本攻击分析[J]. 计算机研究与发展, 2020, 57(4): 736-745.
[14]	王艳, 李念爽, 王希龄, 钟凤艳. 编码技术改进大规模分布式机器学习性能综述[J]. 计算机研究与发展, 2020, 57(3): 542-561.
[15]	刘俊旭, 孟小峰. 机器学习的隐私保护研究综述[J]. 计算机研究与发展, 2020, 57(2): 346-362.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3891