一种基于机器学习的多模态精神压力评估方法及系统

本发明涉及生物信号处理和情感计算领域，公开了一种基于机器学习的多模态精神压力评估方法及系统，所述方法包括：采集用户的脑电波信号和心率变异性信号；使用CNN‑LSTM模型分别对所述脑电波信号的频谱图和所述心率变异性信号的时间序列进行多模态深度特征提取，得到脑电波信号深度特征向量和心率变异性信号深度特征向量；将所述脑电波信号深度特征向量和所述心率变异性信号深度特征向量进行拼接，形成高维的多模态特征向量表示；使用支持向量机对多模态特征表示进行分类，输出压力状态判别结果。本发明能够实现对用户实时压力状态的精确预测，解决了现有的压力检测方法检测精度不高的技术问题。