摘要：本数据集是一个专门用于情绪识别任务的青年生理信号数据库，由Mendeley Data的研究团队提供，包含心电图（ECG）和皮肤电反应（GSR）两种生理信号数据。该数据集旨在支持人机交互领域的研究，特别是为认知和身体障碍人群提供情感识别技术支持。研究团队使用可穿戴式Shimmer3 ECG和GSR传感器从25名青年参与者中采集生理数据，构建了一个包含原始数据、提取特征和自我标注标签的完整数据集。该数据集的独特之处在于其对情绪状态的细粒度划分：涵盖惊讶、愤怒、恐惧、快乐、悲伤、厌恶六种基本情绪以及中性状态，并将每种情绪进一步细分为五个强度等级，形成总共35种情绪状态的全面表征，为情感计算和情绪识别研究提供了丰富的数据基础。
数据集简介
数据集概述
数据集由三个核心部分组成：原始生理信号数据、ECG特征提取数据和参与者自我标注标签。原始数据以.mat格式存储，分为多模态数据和单模态数据两类：多模态数据包含12名参与者的ECG和GSR同步记录，每位参与者观看21个刺激视频（分为三个会话进行）；单模态数据则包含另外13名参与者的ECG数据。数据采集使用专业的可穿戴Shimmer3传感器，确保信号质量和采集的自然性。为支持深度研究，数据集还提供了从每个ECG样本中提取的20个情绪相关特征作为补充材料，便于研究人员进行特征工程和模型开发。参与者在观看情绪刺激视频后进行自我标注，不仅标记了35种情绪状态，还评估了效价（valence）、唤醒度（arousal）和支配度（dominance）三个情感维度的得分，这种多维度标注方式为情绪模型的训练和验证提供了全面的标签信息。
本数据集为基于生理信号的情绪识别研究提供了宝贵的资源，特别是在大规模情绪状态分类和青年群体情感计算领域填补了重要空白。研究人员可利用该数据集开展多模态情感融合、情绪强度分级识别、连续情绪维度预测等前沿课题研究。ECG和GSR两种生理信号的结合能够从心血管活动和皮肤电活动两个角度捕捉情绪的生理表现，相比单一信号具有更高的识别准确性和鲁棒性。35种细粒度情绪状态的设计使得该数据集能够支持更精细的情感分析任务，这对于开发高灵敏度的情绪监测系统、个性化情感交互界面以及心理健康评估工具具有重要价值。该数据集特别关注青年群体和认知、身体障碍人群的需求，为辅助技术、情感辅助机器人、自适应学习系统等应用领域提供了数据支撑，有望推动情感计算技术在医疗康复、教育培训和人机交互等领域的实际应用，提升特殊人群的生活质量和社会参与能力。
数据集来源
本数据集由专业研究团队通过Mendeley Data平台发布，是一个原创的生理信号情感数据采集项目，专门针对青年群体的情绪识别研究。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-18
文件大小：5.80M
原创声明：本数据集为整理作品