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