رویکردی مبتنی بر تئوری دمپستر-شفر برای طبقه بندی چند مقیاسی احساسات از روی سیگنال EEG
رویکردی مبتنی بر تئوری دمپستر-شفر برای طبقه بندی چند مقیاسی احساسات از روی سیگنال EEG
رامین اکبری پور1 کیوان معقولی2
1) کارشناسی ارشد مهندسی پزشکی گرایش بیوالکتریک، دانشگاه آزاد اسلامی واحد تهران مرکز، ایران -
2) دکتری مهندسی پزشکی گرایش بیوالکتریک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، ایران -
کد IOI مقاله
:
AAHD-ABHFEK
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
تحلیل سیگنالهای مغزی به یکی از ارکان اصلی در تشخیصهای مختلف روانشناختی تبدیل شده است. در این میان، دادههای الکتروانسفالوگرافی (EEG) نقش بسیار مهمی در تشخیص احساسات ایفا میکنند و در سالهای اخیر توجه قابلتوجهی را در جامعه پژوهشی به خود جلب کردهاند. هدف اصلی این مطالعه، طبقهبندی حالات هیجانی است. برای دستیابی به این هدف، یک چارچوب محاسباتی جامع پیشنهاد شده است که شامل پیشپردازش سیگنال، استخراج ویژگی، کاهش بُعد ویژگیها، و طبقهبندی میشود.
در این پژوهش از مجموعهداده عمومی DEAP استفاده شده است که شامل ثبتهای EEG با 32 کانال از 32 شرکتکننده است. این مجموعهداده شامل 40 آزمون یکدقیقهای برای هر شرکتکننده بوده و با نرخ نمونهبرداری 512 هرتز گردآوری شده است. همچنین، دادهها بهمنظور حذف آرتیفکتهای فیزیولوژیکی و نویز، پیشپردازش شدهاند. استخراج ویژگی با استفاده از ضریب همبستگی پیرسون و اطلاعات متقابل (Mutual Information - MI) بهترتیب برای ثبت وابستگیهای خطی و غیرخطی انجام شده است. سپس، تحلیل مؤلفههای اصلی (PCA) برای کاهش بُعد و بهینهسازی فضای ویژگیها به کار گرفته شده است. در نهایت، این مطالعه یک روش طبقهبندی احساسات مبتنی بر نظریه شواهد دمپستر–شفر (Dempster–Shafer - DS) را معرفی میکند.
نتایج آزمایشها نشان میدهد که روش پیشنهادی در باند فرکانسی آلفا برای بُعد برانگیختگی (arousal) به بالاترین دقت طبقهبندی یعنی 56.96% ± 2.60 و در باند فرکانسی بتا برای بُعد والانس (valence) به دقت 64.41% ± 1.19 دست یافته است. این نتایج، که از عملکرد سایر باندهای فرکانسی بهتر هستند، کارایی چارچوب پیشنهادی مبتنی بر DS را در شناسایی مطمئن و robust حالات هیجانی تأیید میکنند.
کلمات کلیدی : سیگنالهای eeg نظریه دمپستر شفر تشخیص هیجان همجوشی ویژگیها