伪迹标注可部分替代逐用户校准：SAFE-EDA及受归一化控制的腕部EDA情感识别评估

arXiv:2610.01692v1 公告类型：新 摘要：腕部皮肤电活动（EDA）的幅度因人而异，因此情感识别模型会在分类前对输入进行归一化。测试此类模型在留出受试者上的研究很少报告归一化统计量的来源，但使用留出受试者自身记录计算的统计量，会向模型提供设备首次佩戴时并不具备的信息。我们考察了这一选择如何改变预训练所带来的收益。我们使用43名受试者的专家伪迹标注对一个紧凑型卷积网络SAFE-EDA进行预训练，并将其与在可穿戴压力与情感检测（WESAD）数据集上从头训练的同一网络进行比较（15名受试者，留一受试者交叉验证），同时交叉考察两种归一化统计量来源和四种窗口步长。当统计量仅来自训练受试者时，预训练使macro-F1提升了0.078至0.227；当统计量来自留出用户的完整记录时，提升幅度降至0.020至0.050之间，且不再具有显著性。伪迹监督的作用远大于在相同记录上进行的自监督预训练（0.078对比0.008）。在两个数据集的13种配置中，预训练网络有12种表现更好；但在第二个数据集（26名受试者）上，逐用户归一化反而提高了增益而非降低增益，因此这种交互效应取决于数据。已发表的50项WESAD研究中，只有5项说明了用于归一化的数据。报告这一选择对于区分首次使用时的性能与校准后的性能是必要的。