بازشناسی حالتهای مختلف احساسی با استفاده از سیگنال EEG
محل انتشار: بیستمین کنفرانس مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,325
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE20_261
تاریخ نمایه سازی: 14 مرداد 1391
چکیده مقاله:
دراینتحقیق چندین روش بصورت ترکیبی برای بازشناسی حالتهای احساس با استفاده از سیگنال الکتروانسفالوگرام به کاربرده شده است درکنار استخراج ویژگیهای اماری درفضای زمان و فرکانس ضرایب مدل AR و ویژگیهای آشوبی همچون بعد فرکتال و نمای لیاپانوف بهعنوان ویژگیهای موثر برای بازشناسی حالتهای احساسی مورد استفاده قرارگرفته است طبقه بندی کننده های NaiveBayes و Bagging بایکدیگر مقایسه شده اند و نرم افزار MATLAB برای استخراج ویژگی ها و نرم افزار WEKA برایدسته بندی گروه های احساسی مورد استفاده قرارگرفته است نتایج نشان میدهد که استفاده ازویژگیهای آشوبی درکنار ضرایب مدل aR و طبقه بندی کننده BAGGING تمایز بین گروه های مختلف احساسی را افزایش میدهد.
کلیدواژه ها:
نویسندگان
الناز ایل بیگی
دانشجوی کارشناسی ارشد دانشگاه اصفهان
محمدرضا ایزدچی
استادیار دانشگاه اصفهان
مجید محمدبیگی
استادیار دانشگاه اصفهان
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 :