بازشناسی حالت های مختلف احساسی با استفاده از سیگنال های فیزیولوژیکی و انتخاب برترین ویژگی ها با استفاده از معیار فیشر

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 576

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NAEC02_052

تاریخ نمایه سازی: 15 بهمن 1393

چکیده مقاله:

در این تحقیق از سیگنال های فیزیولوژیکی مغزی و محیطی جهت بازشناسی حالت های مختلف احساسی استفاده شده است. متناسب با نوع سیگنال ها ویژگی های مختلف و متنوعی در دو حوزه زمان و فرکانس از آنها استخراج کرده و با بکارگیری معیار خطی فیشر بهترین و موثرترین ویژگی ها برگزیده شده اند. از پنج طبقه بندی کننده جهت طبقه بندی احساسات استفاده و برای آموزش و تست طبقه بندی کننده ها نیز طرح اعتبار سنجی متقابل به شیوه LOOM پیاده سازی شده است. نتایج نشان می دهند که سیگنال های مغزی نسبت به سیگنال های محیطی در ایجاد تمایز بین حالت های مختلف احساسی مورد مطالعه موفق تر بوده و طبقه بندی کننده K-NN در اکثر موارد درصد صحت و دقت بالاتری در طبقه بندی کلاس های احساسی دارد.

نویسندگان

مرضیه امجدزاده

دانشجوی کارشناسی ارشد دانشکده فنی و مهندسی دانشگاه شهید چمران اهواز

کریم انصاری اصل

استادیار گروه برق دانشکده فنی و مهندسی دانشگاه شهید چمران اهواز

سجاد هدایتی پور

کارشناس ارشد دانشکده فنی و مهندسی دانشگاه شهید چمران اهواز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S. Koelstra, C. Muehl, M. Soleymani, _ A Database for ...
  • _ _ computing based n brain and peripheral signals. PHD ...
  • A. Savran, et al., "Emotion Detection in the Loop from ...
  • E. T. Rolls, "The Brain and Emotion, " Oxford University ...
  • J. M. Jenkins, K. Oatley, and N. _ Stein, _ ...
  • J. Healey, R. picard, "Digital processing of affective signals, " ...
  • _ _ _ "Emotion Recognition using Brain Activity, " Proc. ...
  • _ Takahashi. "Remarks _ Emotion Recognition from Bio- Potential Signals, ...
  • _ _ Arousal evaluation using EEG's and peripheral physiological signals, ...
  • _ o _ _ _ _ Recognition of Emotions Induced ...
  • M. Soleymani, "Implicit and Automated Emotional Tagging of Videos, " ...
  • D. L. schomer and F. L. da Silva, Nidermeyer 's ...
  • R. Adolphs, D. Tranel, and A. R. Damasio, "Dissociable neural ...
  • A. R. Damasio, T. J. Grabowski, A. Bechara and "Subcortical ...
  • A. Moore, Support Vector Machines, http:// www. autonlab. org/ tutorials/ ...
  • F. Lotte, M. Congedo and A. Lecuyer, _ of classification ...
  • S. Theodoridis and K. Koutroumbas, Pattern Recognition: Academic Press; 2 ...
  • نمایش کامل مراجع