生理与行为特征联合分析数据

本数据主要用于分析个体在不同任务情境下的生理状态与行为表现之间的关联关系。通过联合分析生理信号特征（如心率变化、皮肤电反应等）与行为特征（如反应时间、任务准确率等），可以对个体的认知负荷、压力水平及任务执行效率进行综合评估。

该数据可应用于多种智能系统场景，例如智能学习系统中的学习状态分析、人机交互系统中的用户状态识别、驾驶安全监测中的疲劳与压力评估以及健康管理系统中的生理行为关联分析等。通过对生理与行为特征的联合分析，可辅助系统实时识别用户状态并进行智能反馈与调节，从而提升系统交互效率与安全性。加工前的数据来源于生理信号采集设备和行为任务记录系统。生理数据主要包括心率信号、皮肤电信号等时间序列数据，通过可穿戴传感器实时采集；行为数据来源于任务交互系统记录，包括用户在执行任务过程中的反应时间、操作次数及任务完成情况等信息。
在数据处理过程中，首先对原始生理信号进行滤波与异常值检测处理，去除明显噪声并保留有效生理变化信息；随后基于固定时间窗口计算心率变化率、皮肤电响应幅度等统计特征。同时对行为数据进行时间同步处理，提取反应时间、任务切换频率及任务完成效率等行为特征。在特征提取完成后，通过归一化处理统一不同特征的量纲，并采用多特征加权融合方法计算综合认知压力指标和行为认知负载指标。
最终形成的数据为结构化的生理与行为联合特征数据，每条记录包含生理信号特征指标、行为表现特征指标以及基于多特征融合计算得到的综合状态评估指标。数据中不包含可逆的原始生理信号时间序列，所有数据均经过去标识化处理，无法还原具体个体信息。
sample_id：样本编号（用于区分不同志愿者或不同实验记录的匿名编号，不包含个人身份信息）
heart_rate：心率（单位：次/分钟，表示受试者在任务执行过程中的平均心跳水平，用于反映生理唤醒状态）
skin_conductance：皮肤电导水平（单位：微西门子，用于反映人体交感神经活动强度，与压力或情绪唤醒程度相关）
reaction_time：反应时间（单位：毫秒，表示受试者对任务刺激做出响应的平均时间，用于衡量认知处理速度）
task_accuracy：任务准确率（0–1之间的归一化数值，表示任务完成的正确程度，用于衡量行为表现质量）
task_switch_frequency：任务切换频率（表示在实验过程中切换不同任务或操作状态的次数，用于反映认知灵活性与任务负荷）
cognitive_stress_index：认知压力指数（通过生理与行为特征融合计算得到的综合指标，用于评估个体在任务过程中的压力水平）
behavioral_cognitive_load：行为认知负荷指数（基于行为表现计算得到的负荷指标，用于反映任务执行的困难程度与认知消耗）
feature_version：特征版本号（用于标识当前数据特征提取方法的版本，用于保证数据可追溯性与一致性，本数据集中为V1.0）

搜集汇总

背景与挑战

背景概述

该数据集通过联合分析心率、皮肤电等生理信号特征与反应时间、任务准确率等行为特征，评估个体的认知负荷、压力水平及任务执行效率。数据包含3774条结构化记录，采用去标识化处理，可应用于智能学习系统、人机交互、驾驶安全监测及健康管理等场景，辅助系统实现用户状态的实时识别与智能反馈。