Detekce stresu s využitím dat z klimatické komory

Abstract

Tato bakalářská práce se zaměřuje na detekci stresu pomocí biosignálů získaných z laboratorního experimentu v klimatické komoře. Práce zahrnuje předzpracování signálů, jejich anotaci a vytvoření jednotného formátu pro další analýzu. Dále byly extrahovány statistické příznaky a příznaky specifické pro dané signály, které jsou klíčové pro hodnocení stresových reakcí. Byly vybrány příznaky s nejvýznamnějšími informacemi ve vztahu k detekci stresu pro trénování několika různých klasifikačních modelů strojového učení. Po natrénování klasifikačních modelů byly tyto modely testovány na datech z veřejně dostupné databáze s podobnými záznamy. Hlavní výsledky spočívají ve vytvoření použitelného a robustního algoritmu s dobrou přesností a F1 skóre, a v ověření, že získaná experimentální data jsou vhodná pro další vědeckou práci

The bachelor's thesis focuses on stress detection using biosignal data obtained from laboratory experiment conducted in climatic chamber. The work includes signal preprocessing, annotation, and creating a unified format for further analysis. Statistical features and signal-specific features, which are crucial for assessing stress responses, were extracted. Features with most relevant information in relation to stress detection were selected for training multiple different machine learning classification models. After training the classification models, these models were tested on data from a publicly available database with similar records. The main outcomes lie in the creation of an usable and robust algorithm with good accuracy and F1 score, and in verification that the experimental data that were obtained are suitable for further scientific work.