Resumen

Este artículo presenta un método de reconocimiento de la depresión basado en la medición directa del trastorno afectivo. En primer lugar, se utilizan estímulos emocionales visuales para obtener señales de comportamiento de movimientos oculares y señales fisiológicas directamente relacionadas con el estado de ánimo. Luego, con el fin de eliminar ruido e información redundante y obtener mejores características de clasificación, se utilizan métodos estadísticos (FDR corregido -test) y análisis de componentes principales (PCA) para seleccionar características de comportamiento de movimientos oculares y señales fisiológicas. Finalmente, basándose en la extracción de características, se utiliza la máquina de aprendizaje extremo con kernel (KELM) para reconocer la depresión basada en las características de PCA. Los resultados muestran que, por un lado, el rendimiento de la clasificación basado en las características de fusión de comportamiento de movimientos oculares y señales fisiológicas es mejor que al usar una sola característica de comportamiento y una sola característica fisiológica; por

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Método; Reconocimiento de la depresión; Trastorno afectivo; Comportamiento del movimiento ocular; Señales fisiológicas; Características de clasificación
• Keywords:Method; Depression recognition; Affective disorder; Eye movement behavior; Physiological signals; Classification features