تشخیص احساس با استفاده از ویژگی های آشفته و نمادین دینامیک

همایون یکتایی¹

1) کارشناسی ارشد مهندسی پزشکی دانشگاه آزاد واحد تهران شمال

کد IOI مقاله : XCCA-FBCGD
محل انتشار : نهمین کنفرانس بین المللی تحقیقات پیشرفته در علوم، مهندسی و فناوری (setconf.ir)
چکیده :
    احساسات یکی از مهمترین جنبه های زندگی بشر است و عمدتا بخشی از تصمیمات روزمره افراد است. عاطفه در انسان باعث شده است که رفتارهای انسان را درک کنیم و تجربیات موجود در انسان را نیز بسازیم. در این مقاله ، تجزیه و تحلیل کمی و کیفی پویایی نمادین ، ​​که یک روش غیرخطی مناسب برای مطالعه رفتار سیگنال های بیولوژیکی است ، بین مراحل مختلف جدایی عاطفی ایجاد شده است. در واقع ، تجزیه و تحلیل دینامیکی نمادین ثابت شده است که برای مطالعه سیستم های پیچیده و توصیف سری های زمانی پویا مناسب است. علاوه بر استخراج ویژگی های غیرخطی و بی نظم (بعد همبستگی ، تجزیه و تحلیل کمی تجزیه و تحلیل کمی (RQA) ، ...) ، از روش تجزیه و تحلیل م componentلفه اصلی (PCA) برای کاهش ابعاد ویژگی ها استفاده کرد و سپس 3 کلاس احساسی ، LALV ، HAHV و خنثی با استفاده از شبکه عصبی پرسپترون چند لایه (MLP با پیکربندی های مختلف) و K نزدیکترین همسایه (KNN). به منظور ارزیابی روش پیشنهادی ، از سیگنالهای الکتروانسفالوگرام (EEG) از پایگاه داده DEAP استفاده می شود. این پایگاه داده هنگام تماشای کلیپ های ویدیویی موسیقی ، 32 کانال EEG را از 32 نفر ضبط کرده است. هدف از این مطالعه بررسی سیگنال های مغزی افراد در هنگام بروز احساسات بود. نتایج این تحقیق نشان داده است که بالاترین میانگین دقت در طبقه بندی 3 کلاس احساسی با PCA به عنوان روش انتخاب / ترکیب ویژگی ها برای 5-NN 85٪ است. دقت پرسپترون چند لایه به 79٪ رسیده است. دقت بعد از استفاده از روش PCA نیز 7٪ (از 78٪ به 85٪) افزایش یافته است.

کلمات کلیدی : الکتروانسفالوگرام احساسات ویژگی های آشفته نمادین دینامیک بعد همبستگی