بازشناسی هیجانات انسان از روی سیگنال الکتروانسفالوگرام با استفاده از ماشین بردار پشتیبان (SVM) و ویژگیهای مبتنی بر آنتروپی
بازشناسی هیجانات انسان از روی سیگنال الکتروانسفالوگرام با استفاده از ماشین بردار پشتیبان (SVM) و ویژگیهای مبتنی بر آنتروپی
وحید شرقیان دیزجی1 حنانه اسماعیلی2
1) مدرس مدعو - موسسه آموزش عالی رشدیه
2) دانش آموخته کارشناسی - موسسه آموزش عالی رشدیه
کد IOI مقاله
:
AAHD-ACZEAD
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
بازشناسی هیجانات انسان از طریق تحلیل داده های غیر کلامی از جمله سیگنال های بیولوژیک به دلیل کاربردهای بالینی و تحقیقاتی قابل توجه، دارای اهمیت فراوان در حوزه های مختلف علوم و مهندسی بوده و مورد توجه پژوهشگران زیادی قرار گرفته است. از جمله روش های بازشناسی عواطف و هیجانات، استخراج و بهره گیری از اطلاعات موجود در سیگنال الکتروانسفالوگرام (EEG) با استفاده از الگوریتم های یادگیری ماشین است. در پژوهش حاضر دو حالت هیجانی مهم انسان یعنی «شادی» و «غم» مورد مطالعه قرار گرفته و توسط الگوریتم ماشین بردار پشتیبان (SVM) دسته بندی شده اند. برای این منظور از ویژگی های آنتروپی تفاضلی (DE) سیگنال EEG استفاده شده و روش پیشنهادی بر روی داده های پایگاده داده با دسترسی عمومی SEED-IV پیاده سازی و مورد آزمون قرار گرفته است. صحت دسته بندی برای دو هیجان شادی و غم با استفاده از روش پیشنهادی به طور میانگین 81/54 درصد به دست آمده است که با توجه به بهره گیری از روش سبک و غیر پیچیده SVM برای دسته بندی، قابل قبول و قابل رقابت با سایر روشهای پیشنهاد شده است.
کلمات کلیدی : بازشناسی هیجانات سیگنال الکتروانسفالوگرام ماشین بردار پشتیبان آنتروپی تفاضلی