使用 fNIRs 和机器学习的情绪状态检测
原文中文，约300字，阅读约需1分钟。发表于：。本研究旨在利用生理数据检测情感状态，通过功能近红外光谱法，并使用机器学习进行分类，结果显示针对冥想、娱乐和认知负荷三种情感状态的研究中，个体模型的平均准确率为 83.04%，群体模型的准确率为 84.39%，而个体无关模型的准确率为 60.57%。同时发现，通过纸笔任务可更准确地识别出认知负荷情感状态。
该综述研究了基于非传感器的情感检测方法和技术，探讨了关键的研究趋势。未来的研究应提升非传感器检测模型的性能，积累更多样本来表示少数情感，识别额外的情感，并改进模型开发实践和方法。未来的研究还应将模型整合到CBLEs中进行实时检测，并深入了解情感对学习的影响。
