首页 理论教育 个体差异对愤怒状态识别模型的影响及自适应方法研究

个体差异对愤怒状态识别模型的影响及自适应方法研究

时间:2023-08-24 理论教育 版权反馈
【摘要】:表6-12驾驶愤怒识别模型对不同被试的检测结果从表6-12可看出,对于不同被试,原始的驾驶愤怒状态识别模型在查全率、查准率、准确率等指标上均存在差异性。为了进一步研究不同被试的个体差异性对驾驶愤怒状态识别结果的影响,本部分以血流量脉冲为例阐述不同被试在不同愤怒强度下的BVP变化特征。因此,这些个体差异性都会削弱因愤怒情绪引起的BVP的差异。因此,对所有被试采用同一识别模型可能不合适。

个体差异对愤怒状态识别模型的影响及自适应方法研究

由于驾驶风格(习惯)或驾驶经验等方面的个体差异性,不同驾驶人的驾驶行为可能有所不同,同时,不同驾驶人由于性别、年龄的不同而导致其生理特征也可能存在一定的差异性。因此,除了情绪(愤怒)状态能影响驾驶人的生理与驾驶行为特征之外,驾驶人之间的个体差异性也能对这两类特征造成一定程度的影响,进而影响驾驶愤怒状态识别模型的检测准确度。

为了简要说明个体差异性对模型识别效果的影响,本部分采用 6.3节建立的驾驶愤怒状态识别模型对其中15名具有不同年龄、气质的被试的愤怒状态进行识别,识别结果如表6-12所示。

表6-12 驾驶愤怒识别模型对不同被试的检测结果

从表6-12可看出,对于不同被试,原始的驾驶愤怒状态识别模型在查全率(TPR)、查准率(PPA)、准确率(Acc)等指标上均存在差异性。具有最高TPR(91.98%)与最低TPR(73.76%)的被试分别为第5号与第7号;具有最高PPA(89.67%)与最低PPA(71.61%)的被试分别为第9号与第2号;具有最高Acc(93.46%)与最低Acc(76.98%)的被试分别为第11号与第8号。所有被试的平均TPR为84.59%,平均PPA为81.93%,平均Acc为86.68%。(www.xing528.com)

为了进一步研究不同被试的个体差异性对驾驶愤怒状态识别结果的影响,本部分以血流量脉冲(BVP)为例阐述不同被试在不同愤怒强度下的BVP变化特征。针对每名被试,运用方差分析检验不同愤怒强度下的BVP差异性,结果如表6-13所示(显著性水平设为0.05):

表6-13 不同被试在不同驾驶愤怒强度下的BVP差异性

基于表6-13可知,除了8,9号被试,其余被试的BVP在不同愤怒强度之间均存在显著性差异。8号被试(F=3.927,P=0.126 > 0.05)与9号被试(F=1.654,P=0.204 > 0.05)在不愤怒强度下的BVP没有显著性差异。基于视频回放以及被试的自我报告可知,8号被试与9号被试确实产生 了不同程度的愤怒情绪,但其BVP值没有发生显著变化。通过表6-13还可看出:11号被试的BVP值随着愤怒强度的增大而减小,而其他被试的BVP值均随着愤怒强度的增大而增大,即11号被试的BVP的变化趋势与其他被试相反。因此,这些个体差异性都会削弱因愤怒情绪引起的BVP的差异。总之,在同一愤怒状态水平下,不同被试的BVP存在较大差异;而对于不同的被试,其BVP值可能随着愤怒强度的增大而呈现不同的变化趋势。因此,对所有被试采用同一识别模型可能不合适。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈