在多模态系统中用于智能生理信号选择的层次化信号重要性评分方法

《IEEE Access》：Hierarchical Signal Importance Scoring for Intelligent Physiological Signal Selection in Multimodal Systems

　　

摘要：

多模态生理信号处理对于识别情绪、评估认知负荷和检测压力至关重要。然而，现有方法由于噪声、冗余信息以及不相关数据的影响，无法达到最佳性能。这些问题通常是由于这些方法要么以统一的方式处理所有信号，要么单凭一个标准来选择信号。本文提出了层次信号重要性评分（HIS）框架来解决这些问题。HIS方法从三个维度评估生理信号：信号质量、预测相关性和信号间的互补性。通过这些维度并结合自适应权重计算，该方法能够确定对分类任务最具信息价值的20%的信号通道。在DEAP和PhyMER数据集上的实验表明，在不受实验对象影响的学习环境中，该方法显著提高了准确率：在DEAP数据集上准确率达到71.12%（四类分类任务的准确率提升了9.67%），在PhyMER数据集上达到65.45%（七类分类任务的准确率提升了10.78%），相比使用所有通道时有所提高。