30、基于智能手机传感器的压力水平检测与初级医疗保健使用研究

基于智能手机传感器的压力水平检测与初级医疗保健使用研究

基于智能手机传感器的压力水平检测

• 模型构建

  • 基础模型 ：使用加速度计、陀螺仪和环境光传感器的分钟级数据训练基础LSTM模型。以加速度计（3轴）、陀螺仪（3轴）和环境光的均值和标准差作为特征（共14个特征）。
  • 四个提出的模型 ：在基础模型上，分别使用应用数据、通话数据和工作日因素的不同排列组合。
    • 模型1 ：在基础模型中加入工作日因素。
    • 模型2 ：计算每分钟应用使用时长的总和，并将此特征添加到模型1。
    • 模型3 ：计算每分钟通话时长的总和，并将此特征添加到模型1。
    • 模型4 ：结合所有特征。
  • 模型训练 ：使用Keras顺序模型，添加16个LSTM层单元，8个具有ReLU激活函数的全连接层，最后一层使用Softmax激活函数，其密集层数量等于输出向量的形状。使用分类交叉熵作为损失参数、Adam优化器和准确率作为指标进行编译，以批大小4和验证分割0.1对数据进行200个周期的训练。
    |模型|验证准确率|
    | ---- | ---- |
    |基础模型|79%|