Neska El Haouij公司;吉恩·米切尔·波吉;拉贾·戈齐;西尔维·塞维斯特·盖利拉;梅里姆·杰丹 基于随机森林的驾驶员应激水平分类生理功能变量选择方法。 （英语） Zbl 1427.62140号 统计方法应用。 28，第1号，157-185（2019）. 小结：本文研究了利用随机森林进行驾驶员应激水平分类的生理功能变量选择。我们的分析是根据从驱动器数据库PhysioNet网站上提供的开放数据库。感兴趣的生理测量是：从三种类型的路线（休息区、城市和公路）进行的十次驾驶实验中收集到的驾驶员左手和脚上的皮肤电活动、肌电图、呼吸和心率。这项工作的贡献涉及方法和应用方面。从方法论的观点来看，生理信号被视为函数变量，在小波基础上进行分解，然后进行分析以寻找最相关的变量。在应用方面，所提出的方法为驾驶员压力等级分类提供了一个“盲”程序，当应用于驱动器数据库数据库。它还基于与函数变量小波分解相对应的小波层次提出了新的生理特征。最后，该方法根据生理变量在应激水平分类中的重要性对其进行排序。对于正在研究的病例，结果表明，与皮肤电信号和呼吸信号相比，肌电图和心率信号的相关性较小。此外，驾驶员脚上测得的皮肤电活动比手上捕捉到的更为相关。最后，该方法还提供了小波特征的相关性顺序。 引用于三文件 MSC公司： 第60页 统计学在工程和工业中的应用；控制图 62H30型 分类和区分；聚类分析（统计方面） 42立方厘米 涉及小波和其他特殊系统的非三角调和分析 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：生理信号;功能数据;随机森林;递归特征消除;小波;分组变量重要性 软件：R（右）;fda（右）;GeneSrF公司;VSURF公司;随机森林;RF凹槽;PhysioToolkit（物理工具包） PDF格式BibTeX公司 XML格式引用 \textit{N.El Haouij}等人，《统计方法应用》。28，第1号，157--185（2019；Zbl 1427.62140） 全文： 内政部 参考文献： [1] Akbas A（2011）对表明驾驶员动态压力水平的生理数据的评估。科学研究论文6（2）：430-439 [2] Alkali AH，Saatchi R，Elphick H，Burke D（2014）通过热成像获得的呼吸信号的短时傅里叶和小波变换分析。2014年第九届通信系统、网络和数字标志国际研讨会（CSNDSP）。IEEE，第183-187页。https://doi.org/10.109/CSNDSP.2014.6923821 [3] Auret L，Aldrich C（2011）树集合变量重要性测度的实证比较。化学计量学智能实验室系统105（2）：157-170。https://doi.org/10.1016/j.chemolab.10.12.004 ·doi:10.1016/j.chemolab.2010.12.004 [4] Ayata D、Yaslan Y、Kamasak M（2016）通过随机森林和电流皮肤反应进行情感识别：基于时间的特征集、窗口大小和小波方法的比较。2016年全国医疗技术大会（TIPTEKNO）。IEEE，第1-4页。https://doi.org/10.109/TIPTEKNO.2016.7863130 [5] Bach FR（2008）组套索和多核学习的一致性。J Mach Learn Res 9（6月）：1179-1225·Zbl 1225.68147号 [6] Bostrom J（2005）情绪感应电脑可以感受到你的压力。PC世界 [7] Boucsein W（2012）《皮肤电活性》。柏林施普林格·doi:10.1007/978-1-4614-126-0 [8] Breiman L（2001）《随机森林》。马赫数学习45（1）：5-32。https://doi.org/10.1023/A:1010933404324 ·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [9] Breiman L、Friedman J、Stone CJ、Olshen RA（1984）分类和回归树。华兹华斯和布鲁克斯-科尔统计-概率序列。Taylor&Francis，伦敦·Zbl 0541.62042号 [10] Breiman L，Cutler A（2015）《随机森林：分类和回归用Breiman和Cutler的随机森林》。R软件包版本46-12http://cran.r-project.org/package=randomForest [11] Chaudhary R（2013）在matlab上对汽车驾驶员压力识别的心电图比较。高级电子电气工程3（8）：1007-1012 [12] 邓勇，吴忠，楚C，杨T（2012）压力识别的评价特征选择。信息重用与集成（IRI），2012年IEEE第13届国际会议，第584-591页。https://doi.org/10.109/IRI.2012.6303062 [13] Díaz Uriarte R，de Andrés SA（2006）使用随机森林对微阵列数据进行基因选择和分类。BMC生物信息7（1）：1-13。https://doi.org/10.1186/1471-2105-7-3 ·doi:10.1186/1471-2105-7-3 [14] El Haouij N、Poggi JM、Sevestre-Ghalila S、Ghozi R、Jaídane M（2018）用于评估驾驶员注意力的情感道路系统和数据库。摘自：SAC 2018：应用计算研讨会，4月9日至13日，保罗。https://doi.org/10.1145/3167132.3167395 ·Zbl 1427.62140号 [15] Ferraty F，Vieu P（2006）非参数函数数据分析：理论与实践（统计学中的springer系列）。Springer Verlag纽约公司，Secaucus·Zbl 1119.62046号 [16] Genuer R、Poggi JM、Tuleau-Malot C（2010）《使用随机森林的变量选择》。图案识别信31（14）：2225-2236。https://doi.org/10.1016/j.patrec.2010.03.014 ·doi:10.1016/j.patrec.2010.03.014 [17] Genuer R，Poggi JM，Tuleau-Malot C（2015）VSURF：使用随机森林进行变量选择的R包。R J 7（2）：19-33·doi:10.32614/RJ-2015-018 [18] Goldberger A、Amaral L、Glass L、Hausdorff J、Ivanov P、Mark R、Mietus J、Moody G、Peng CK、Stanley H（2000）Physiobank、physiotoolkit和physinet：复杂生理信号新研究资源的组成部分。循环101（23）：e215-e220·doi:10.1161/01.CIR.101.23.e215 [19] Granero AC、Fuentes-Hurtado F、Naranjo Ornedo V、Guixeres Provinciale J、Ausín JM、Alcañiz Raya M（2016）《视听内容自动情感评估的生理信号分析技术和分类器比较》。前端计算机神经科学10:74。https://doi.org/10.3389/fncom.2016.00074 ·doi:10.3389/fncom.2016.00074 [20] Gregorutti B（2016）RFgroot:随机森林变量组的重要性度量和选择。R包版本11http://cran.r-project.org/package=RFgrool [21] Gregorutti B、Michel B、Saint-Pierre P（2015）用随机森林对变量重要性进行分组，并应用于多功能数据分析。计算统计数据分析90:15-35。https://doi.org/10.1016/j.csda.2015.04.002 ·Zbl 1468.62069号 ·doi:10.1016/j.csda.2015.04.002 [22] Gregorutti B、Michel B、Saint-Pierre P（2016）随机森林中的相关性和变量重要性。统计计算。https://doi.org/10.1007/s11222-016-9646-1 ·Zbl 1505.62167号 ·doi:10.1007/s11222-016-9646-1 [23] Guendil Z，Lachiri Z，Maaoui C，Pruski A（2015），基于小波特征融合的生理信号情感识别。2015年第七届国际建模、识别和控制会议（ICMIC），IEEE，第1-6页。https://doi.org/10.109/ICMIC.2015.7409485 [24] Guyon I，Weston J，Barnhill S，Vapnik V（2002）使用支持向量机进行癌症分类的基因选择。马赫学习46（1-3）：389-422。https://doi.org/10.1023/A:1012487302797 ·兹比尔0998.68111 ·doi:10.1023/A:1012487302797 [25] Hastie T、Tibshirani R、Friedman J（2001）《统计学习的要素》。统计学中的斯普林格系列。纽约施普林格公司·Zbl 0973.62007号 [26] Healey JA（2000）可穿戴和自动系统，用于生理学情感识别。麻省理工学院电气工程与计算机科学系博士论文 [27] Healey JA，Picard RW（2005）使用生理传感器检测现实世界驾驶任务中的压力。IEEE Trans-Intell传输系统6（2）：156-166。https://doi.org/10.109/TITS.2005.848368 ·doi:10.1109/TITS.2005.848368 [28] Horberry T、Anderson J、Regan MA、Triggs TJ、Brown J（2006）《驾驶员分心：并发车内任务、道路环境复杂性和年龄对驾驶性能的影响》。Accid Ana Prev 38（1）：185-191年·doi:10.1016/j.aap.2005.09.007 [29] Imam MH，Karmakar CK，Khandoker AH，Palaniswami M（2014）ECG-衍生呼吸（EDR）对不同生理和心理条件下心室复极动力学建模的影响。医学生物工程计算52（10）：851-860·doi:10.1007/s11517-014-1188-0 [30] Jolliffe I（2012）主成分分析。柏林施普林格·Zbl 1011.62064号 [31] Karmakar C，Imam MH，Khandoker A，Palaniswami M（2014）心理应激对QT间期的影响。心脏病学计算2014:1009-1012 [32] Lin HP，Lin HY，Lin WL，Huang ACW（2011）压力、抑郁及其相互作用对心率、皮肤电导、手指温度和呼吸频率的影响：压力和抑郁的交感-副交感假说。临床心理学杂志67（10）：1080-1091。https://doi.org/10.1002/jclp.20833 ·doi:10.1002/jclp.20833 [33] Louppe G、Wehenkel L、Sutera A、Geurts P（2013）了解随机树木森林中的变量重要性 [34] Lykken DT（1972）适用于心率和GSR数据的范围校正。心理生理学9（3）：373-379。https://doi.org/10.1111/j.1469-8986.1972.tb03222.x ·文件编号：10.1111/j.1469-8986.1972.tb03222.x [35] Mallat SG（1989）多分辨率信号分解理论：小波表示。IEEE Trans-Pattern Ana Mach Intell 11（7）：674-693·Zbl 0709.94650号 ·数字对象标识代码：10.1109/34.192463 [36] Nicodemus KK，Malley JD，Strobl C，Ziegler A（2010）预测相关下基于随机森林排列的变量重要性度量的行为。BMC生物信息11（1）：1-13。https://doi.org/10.1186/1471-2105-11-110 ·数字对象标识代码：10.1186/1471-2105-11-110 [37] Picard RW、Fedor S、Ayzenberg Y（2016）《多重唤醒理论与日常皮肤电活动不对称》。Emot修订版8（1）：62-75。https://doi.org/10.1177/1754073914565517 ·doi:10.1177/1754073914565517 [38] Poggi JM，Tuleau C（2007）使用cart和小波对客观化数据进行分类。摘自：IASC 07会议记录。Aveiro，第1-8页 [39] R核心团队（2016）R：统计计算的语言和环境。In:R统计计算基础。维也纳。网址：www.r-project.org [40] Ramsay JO，Silverman BW（2002）《应用功能数据分析：方法和案例研究》，第77卷。纽约州施普林格·Zbl 1011.62002号 ·doi:10.1007/b98886 [41] Ramsay JO，Silverman BW（2005），功能数据分析。纽约州施普林格。https://doi.org/10.1007/b98888 ·Zbl 1079.62006号 ·doi:10.1007/b98888 [42] Rigas G，Katsis C，Bougia P，Fotiadis D（2008）基于推理的汽车驾驶员压力预测框架。摘自：《控制与自动化》，2008年第16届地中海会议，第627-632页。https://doi.org/10.109/MED.2008.4602162 [43] Sharma N，Gedeon T（2012）压力识别和分类的客观测量、传感器和计算技术：一项调查。生物识别计算方法程序108（3）：1287-301。https://doi.org/10.1016/j.cmpb.2012.07.003 ·doi:10.1016/j.cmpb.2012.07.003 [44] Sidek KA，Khalil I（2011）使用心电图识别不同生理条件下的汽车驾驶员。PC世界38:753-756 [45] Singh RR、Conjeti S、Banerjee R（2012）《基于生物信号的汽车驾驶员道路压力监测》。2012年国家通信会议（NCC），IEEE，第1-5页。https://doi.org/10.109/NCC.2012.6176845 [46] Singh M，Queyam AB（2013），使用生理参数检测汽车驾驶员的压力：综述。国际电子工程杂志5（2）：1-5 [47] Smart RG、Cannon E、Howard A、Frise P、Mann RE（2005），我们能设计汽车来防止道路愤怒吗？国际汽车信息通信系统杂志1（1-2）：44-55。https://doi.org/10.1504/IJVICS.2005.007585 ·doi:10.1504/IJVICS.2005.007585 [48] Strobl C，Zeileis A（2008）危险：高功率！？探索随机森林变量重要性测试的统计特性。附：第18届国际计算统计会议论文集 [49] Tao J，Tan T（2005）《情感计算：综述》。参加：情感计算和智能交互国际会议。施普林格，第981-995页 [50] Ullah S，Finch CF（2013）《功能数据分析的应用：系统综述》。BMC医学研究方法13（1）：43·doi:10.1186/1471-2288-13-43 [51] Van Dooren M，De Vries JJ，Janssen JH（2012）全身情绪出汗：比较16个不同的皮肤电导测量位置。生理行为106（2）：298-304。https://doi.org/10.1016/j.physbeh.2012.01.020 ·doi:10.1016/j.physbeh.2012.01.020 [52] Verikas A、Gelzinis A、Bacauskiene M（2011）《随机森林的挖掘数据：调查和新测试结果》。图案识别44（2）：330-349。https://doi.org/10.1016/j.patcog.2010.08.011 ·doi:10.1016/j.patcog.2010.08.011 [53] Yang K，Yoon H，Shahabi C（2005）多元时间序列的监督特征子集选择技术。摘自：数据挖掘特征选择研讨会论文集：机器学习与统计的接口，第92-101页 [54] Zhang L，Tamminedi T，Ganguli A，Yosiphone G，Yadegar J（2010）《使用结构学习贝叶斯网络的分层多传感器融合》。收录：《无线健康》2010 on WH’10。纽约ACM出版社，第174页。https://doi.org/10.1145/1921081.1921102 [55] Zhu R，Zeng D，Kosorok MR（2012）强化学习树。北卡罗来纳大学技术报告 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。