یک الگوریتم مبتنی بر فراکتال برای شناسایی احساس از EEG با استفاده از مدل تحریک-ارزش
به اشتراک گذاری:
اولگا سورینا، یسی لیو. دانشگاه نان یانگ فناوری، خیابان نان یانگ، سنگاپور
چکیده
تشخیص احساسات از الکتروانسفالوگرافی (EEG) میتواند در بسیاری از کاربردها استفاده شود زیرا به ما امکان میدهد احساس «درونی» را بدون توجه به حالت صورت، رفتار یا ارتباط کلامی انسان بشناسیم. در این مقاله، ما یک الگوریتم جدید تشخیص احساسات مبتنی بر بعد فراکتالی (FD) را با استفاده از مدل احساس آرواره-ولنس پیشنهاد و توصیف کردیم. مقادیر FD محاسبه شده از سیگنال EEG که از لوبهای مغزی مربوطه ضبط شدهاند، به مدل احساس ۲ بعدی نگاشته میشود. الگوریتم پیشنهادی به ما این امکان را میدهد که احساساتی را که میتوانند توسط سطوح آرواره و ولنس تعریف شوند، شناسایی کنیم. تنها 3 الکترود برای تشخیص احساسات مورد نیاز است. الگوریتمهای هیگوچی و جعبه شماری برای تجزیه و تحلیل و مقایسه EEG استفاده شدهاند. طبقهبند ماشین بردار حمایتکننده برای شناسایی سطوح آرواره و ولنس به کار رفته است. روش پیشنهادی وابسته به موضوع است. آزمایشهایی با محرکهای صوتی و موسیقی برای القای احساسات انسانی انجام شد. کلیپهای صوتی از پایگاه داده صداهای دیجیتالی عاطفی بینالمللی (IADS) در آزمایشات استفاده شدند.
اولگا سورینا، یسی لیو. دانشگاه نان یانگ فناوری، خیابان نان یانگ، سنگاپور
چکیده
تشخیص احساسات از الکتروانسفالوگرافی (EEG) میتواند در بسیاری از کاربردها استفاده شود زیرا به ما امکان میدهد احساس «درونی» را بدون توجه به حالت صورت، رفتار یا ارتباط کلامی انسان بشناسیم. در این مقاله، ما یک الگوریتم جدید تشخیص احساسات مبتنی بر بعد فراکتالی (FD) را با استفاده از مدل احساس آرواره-ولنس پیشنهاد و توصیف کردیم. مقادیر FD محاسبه شده از سیگنال EEG که از لوبهای مغزی مربوطه ضبط شدهاند، به مدل احساس ۲ بعدی نگاشته میشود. الگوریتم پیشنهادی به ما این امکان را میدهد که احساساتی را که میتوانند توسط سطوح آرواره و ولنس تعریف شوند، شناسایی کنیم. تنها 3 الکترود برای تشخیص احساسات مورد نیاز است. الگوریتمهای هیگوچی و جعبه شماری برای تجزیه و تحلیل و مقایسه EEG استفاده شدهاند. طبقهبند ماشین بردار حمایتکننده برای شناسایی سطوح آرواره و ولنس به کار رفته است. روش پیشنهادی وابسته به موضوع است. آزمایشهایی با محرکهای صوتی و موسیقی برای القای احساسات انسانی انجام شد. کلیپهای صوتی از پایگاه داده صداهای دیجیتالی عاطفی بینالمللی (IADS) در آزمایشات استفاده شدند.
اولگا سورینا، یسی لیو. دانشگاه نان یانگ فناوری، خیابان نان یانگ، سنگاپور
چکیده
تشخیص احساسات از الکتروانسفالوگرافی (EEG) میتواند در بسیاری از کاربردها استفاده شود زیرا به ما امکان میدهد احساس «درونی» را بدون توجه به حالت صورت، رفتار یا ارتباط کلامی انسان بشناسیم. در این مقاله، ما یک الگوریتم جدید تشخیص احساسات مبتنی بر بعد فراکتالی (FD) را با استفاده از مدل احساس آرواره-ولنس پیشنهاد و توصیف کردیم. مقادیر FD محاسبه شده از سیگنال EEG که از لوبهای مغزی مربوطه ضبط شدهاند، به مدل احساس ۲ بعدی نگاشته میشود. الگوریتم پیشنهادی به ما این امکان را میدهد که احساساتی را که میتوانند توسط سطوح آرواره و ولنس تعریف شوند، شناسایی کنیم. تنها 3 الکترود برای تشخیص احساسات مورد نیاز است. الگوریتمهای هیگوچی و جعبه شماری برای تجزیه و تحلیل و مقایسه EEG استفاده شدهاند. طبقهبند ماشین بردار حمایتکننده برای شناسایی سطوح آرواره و ولنس به کار رفته است. روش پیشنهادی وابسته به موضوع است. آزمایشهایی با محرکهای صوتی و موسیقی برای القای احساسات انسانی انجام شد. کلیپهای صوتی از پایگاه داده صداهای دیجیتالی عاطفی بینالمللی (IADS) در آزمایشات استفاده شدند.
