Show simple item record

dc.contributor.advisorAdami, André Gustavo
dc.contributor.authorDebiasi, Gustavo
dc.contributor.otherAdami, Adriana Miorelli
dc.contributor.otherMartinotto, André Luis
dc.date.accessioned2020-07-16T19:42:14Z
dc.date.available2020-07-16T19:42:14Z
dc.date.issued2019-12-09
dc.date.submitted2019
dc.identifier.urihttps://repositorio.ucs.br/11338/6290
dc.descriptionDepressão, ansiedade, raiva, úlcera, gastrite, psoríase, ataques cardíacos e diabetes tipo 2 são algumas das doenças que podem ser ocasionadas pelo excesso de estresse na vida do ser humano. Devido a isso, para se ter uma vida saudável, é importante que se tenha cuidado com a saúde. E o que pode ser feito para auxiliá-lo neste cuidado? Na computação existe uma área chamada detecção de padrões e, através dela, é possível treinar o computador para identificar um padrão de comportamento. Assim, é possível que seja utilizado este aprendizado para monitorar e detectar quando o indivíduo está sob situações estressantes, de forma a alertá-lo para que ele possa tomar alguma providência para reduzir ou controlar o nível de estresse. Embora o corpo humano apresente alterações fisiológicas que podem ser verificadas para a identificação do estresse, atualmente o diagnóstico é ainda realizado por meio de questionários e avaliação de especialista. Entretanto, é possível observar uma movimentação da comunidade acadêmica com estudos de um sistema de detecção automática através de um processo e técnicas de detecção de padrões sob as alterações fisiológicas. Neste contexto, um sistema multimodal de detecção automática de estresse foi desenvolvido neste trabalho, com a utilização de diversas características (como média, mediana, variância), redução de dimensionalidade com LDA e PCA e classificação utilizando SVM e Random Forest. Através da utilização da base de dados WESAD para avaliar o desempenho do software, conclui-se que não foi possível obter melhores resultados com a fusão de classificadores (acurácia de 84,6%) quando comparado à fusão de características do sistema tradicional de detecção de estresse multimodal (acurácia de 89,3% e 89,8%) (sic).pt_BR
dc.language.isoptpt_BR
dc.subjectSistemas de reconhecimento de padrõespt_BR
dc.subjectStress (Fisiologia)pt_BR
dc.subjectStress (Psicologia)pt_BR
dc.titleReconhecimento de estresse por meio de técnicas de detecção de padrõespt_BR
dc.typeMonografiapt_BR
mtd2-br.advisor.instituationUniversidade de Caxias do Sulpt_BR
mtd2-br.program.nameCiência da Computação - Bachareladopt_BR
mtd2-br.campusCampus Universitário de Caxias do Sulpt_BR
local.data.embargoNone


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record