Identification de l'utilisateur basée sur l'apprentissage conditionnel utilisant les informations sur l'état psychologique

Avec la diffusion des technologies de dispositifs portables, la reconnaissance des utilisateurs utilisant l'électrocardiogramme (ECG) attire l'attention. Cependant, le signal ECG est sensible aux changements d'état psychologique, ce qui entraîne des différences de performance de reconnaissance même pour un même utilisateur selon l'état. Cette étude propose un système de reconnaissance d'utilisateur basé sur l'apprentissage conditionnel intégrant les probabilités d'état estimées à partir du signal ECG en entrée. Le système proposé intègre ces probabilités d'état comme condition dans le processus de reconnaissance utilisateur afin de réduire l'instabilité des caractéristiques liée aux changements d'état. Les résultats d'expérimentations répétées cinq fois sur le jeu de données WESAD montrent que le modèle d'apprentissage conditionnel améliore la reconnaissance moyenne macro et réduit statistiquement de 0,198 % la variance de performance entre les états.