الگوریتم مبتنی بر فرکتال برای تشخیص هیجان از سیگنالهای EEG با استفاده از مدل انگیختگی-ظرفیت
نوری جاویت
بهروزرسانی در
۱۷ فروردین ۱۳۹۴
الگوریتم مبتنی بر فرکتال برای تشخیص هیجان از سیگنالهای EEG با استفاده از مدل انگیختگی-ظرفیت
نوری جاویت
بهروزرسانی در
۱۷ فروردین ۱۳۹۴
الگوریتم مبتنی بر فرکتال برای تشخیص هیجان از سیگنالهای EEG با استفاده از مدل انگیختگی-ظرفیت
نوری جاویت
بهروزرسانی در
۱۷ فروردین ۱۳۹۴
اولگا سورینا، ییسی لیو. دانشگاه فناوری نانیانگ، خیابان نانیانگ، سنگاپور
چکیده
تشخیص احساسات از طریق سیگنالهای مغزی (EEG) میتواند در کاربردهای بسیاری مورد استفاده قرار گیرد، زیرا به ما امکان میدهد بدون توجه به حالت چهره، رفتار یا ارتباط کلامی انسان، به احساسات «درونی» او پی ببریم. در این مقاله، ما یک الگوریتم نوین تشخیص احساسات بر پایه بعد فرکتال (FD) را با استفاده از مدل احساسی برانگیختگی-ظرفیت (Arousal-Valence) پیشنهاد داده و تشریح کردهایم. مقادیر FD محاسبهشده از سیگنال EEG ثبتشده از لوبهای مغزی مربوطه به مدل سه بعدی احساسات دو بعدی ترسیم میشوند. الگوریتم پیشنهادی به ما امکان میدهد احساساتی را که میتوانند با سطوح برانگیختگی و ظرفیت تعریف شوند، تشخیص دهیم. برای تشخیص احساسات تنها به ۳ الکترود نیاز است. از الگوریتمهای هیگوچی (Higuchi) و شمارش جعبهای (box-counting) برای تحلیل و مقایسه EEG استفاده شد. طبقهبند ماشین بردار پشتیبان (SVM) برای تشخیص سطوح برانگیختگی و ظرفیت به کار گرفته شد. روش پیشنهادی یک روش وابسته به سوژه است. آزمایشهایی با محرکهای موسیقی و صدا برای القای احساسات انسانی انجام شد. در این آزمایشها از کلیپهای صوتی پایگاه داده صداهای دیجیتالی شده عاطفی بینالمللی (IADS) استفاده شد.
اولگا سورینا، ییسی لیو. دانشگاه فناوری نانیانگ، خیابان نانیانگ، سنگاپور
چکیده
تشخیص احساسات از طریق سیگنالهای مغزی (EEG) میتواند در کاربردهای بسیاری مورد استفاده قرار گیرد، زیرا به ما امکان میدهد بدون توجه به حالت چهره، رفتار یا ارتباط کلامی انسان، به احساسات «درونی» او پی ببریم. در این مقاله، ما یک الگوریتم نوین تشخیص احساسات بر پایه بعد فرکتال (FD) را با استفاده از مدل احساسی برانگیختگی-ظرفیت (Arousal-Valence) پیشنهاد داده و تشریح کردهایم. مقادیر FD محاسبهشده از سیگنال EEG ثبتشده از لوبهای مغزی مربوطه به مدل سه بعدی احساسات دو بعدی ترسیم میشوند. الگوریتم پیشنهادی به ما امکان میدهد احساساتی را که میتوانند با سطوح برانگیختگی و ظرفیت تعریف شوند، تشخیص دهیم. برای تشخیص احساسات تنها به ۳ الکترود نیاز است. از الگوریتمهای هیگوچی (Higuchi) و شمارش جعبهای (box-counting) برای تحلیل و مقایسه EEG استفاده شد. طبقهبند ماشین بردار پشتیبان (SVM) برای تشخیص سطوح برانگیختگی و ظرفیت به کار گرفته شد. روش پیشنهادی یک روش وابسته به سوژه است. آزمایشهایی با محرکهای موسیقی و صدا برای القای احساسات انسانی انجام شد. در این آزمایشها از کلیپهای صوتی پایگاه داده صداهای دیجیتالی شده عاطفی بینالمللی (IADS) استفاده شد.
اولگا سورینا، ییسی لیو. دانشگاه فناوری نانیانگ، خیابان نانیانگ، سنگاپور
چکیده
تشخیص احساسات از طریق سیگنالهای مغزی (EEG) میتواند در کاربردهای بسیاری مورد استفاده قرار گیرد، زیرا به ما امکان میدهد بدون توجه به حالت چهره، رفتار یا ارتباط کلامی انسان، به احساسات «درونی» او پی ببریم. در این مقاله، ما یک الگوریتم نوین تشخیص احساسات بر پایه بعد فرکتال (FD) را با استفاده از مدل احساسی برانگیختگی-ظرفیت (Arousal-Valence) پیشنهاد داده و تشریح کردهایم. مقادیر FD محاسبهشده از سیگنال EEG ثبتشده از لوبهای مغزی مربوطه به مدل سه بعدی احساسات دو بعدی ترسیم میشوند. الگوریتم پیشنهادی به ما امکان میدهد احساساتی را که میتوانند با سطوح برانگیختگی و ظرفیت تعریف شوند، تشخیص دهیم. برای تشخیص احساسات تنها به ۳ الکترود نیاز است. از الگوریتمهای هیگوچی (Higuchi) و شمارش جعبهای (box-counting) برای تحلیل و مقایسه EEG استفاده شد. طبقهبند ماشین بردار پشتیبان (SVM) برای تشخیص سطوح برانگیختگی و ظرفیت به کار گرفته شد. روش پیشنهادی یک روش وابسته به سوژه است. آزمایشهایی با محرکهای موسیقی و صدا برای القای احساسات انسانی انجام شد. در این آزمایشها از کلیپهای صوتی پایگاه داده صداهای دیجیتالی شده عاطفی بینالمللی (IADS) استفاده شد.
به خواندن ادامه دهید