جستجو
بازشناسی هیجانات انسان از روی سیگنال الکتروانسفالوگرام با استفاده از ماشین بردار پشتیبان (SVM) و ویژگیهای مبتنی بر آنتروپی
وحید شرقیان دیزجی1 حنانه اسماعیلی2
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
زبان مقاله : فارسی
محور مقاله : مهندسی پزشکی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ACZEAD
لینک مستقیم مقاله : https://isnac.ir/AAHD-ACZEAD
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems