Een op fractalen gebaseerd algoritme voor emotieherkenning uit EEG met behulp van het Arousal-Valence-model
Nuri Djavit
Bijgewerkt op
6 apr 2015
Een op fractalen gebaseerd algoritme voor emotieherkenning uit EEG met behulp van het Arousal-Valence-model
Nuri Djavit
Bijgewerkt op
6 apr 2015
Een op fractalen gebaseerd algoritme voor emotieherkenning uit EEG met behulp van het Arousal-Valence-model
Nuri Djavit
Bijgewerkt op
6 apr 2015
Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapore
Abstract
Emotieherkenning via EEG kan in veel toepassingen worden gebruikt, omdat het ons in staat stelt de "innerlijke" emotie te kennen, ongeacht de menselijke gezichtsuitdrukking, het gedrag of de verbale communicatie. In dit artikel stelden en beschreven we een nieuw op fractale dimensie (FD) gebaseerd algoritme voor emotieherkenning met behulp van een Arousal-Valence emotiemodel. FD-waarden berekend op basis van het EEG-signaal dat is geregistreerd vanuit de overeenkomstige hersenkwabben, worden in kaart gebracht op het 2D-emotiemodel. Het voorgestelde algoritme stelt ons in staat om emoties te herkennen die gedefinieerd kunnen worden door arousal- en valentiniveaus. Er zijn slechts 3 elektroden nodig voor de emotieherkenning. De Higuchi- en box-counting-algoritmen werden gebruikt voor de EEG-analyse en vergelijking. Er werd een Support Vector Machine-classifier toegepast voor de herkenning van arousal- en valentiniveaus. De voorgestelde methode is subjectafhankelijk. Er zijn experimenten uitgevoerd met muziek- en geluidsstimuli om menselijke emoties op te wekken. In de experimenten werden geluidsfragmenten uit de International Affective Digitized Sounds (IADS) database gebruikt.
Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapore
Abstract
Emotieherkenning via EEG kan in veel toepassingen worden gebruikt, omdat het ons in staat stelt de "innerlijke" emotie te kennen, ongeacht de menselijke gezichtsuitdrukking, het gedrag of de verbale communicatie. In dit artikel stelden en beschreven we een nieuw op fractale dimensie (FD) gebaseerd algoritme voor emotieherkenning met behulp van een Arousal-Valence emotiemodel. FD-waarden berekend op basis van het EEG-signaal dat is geregistreerd vanuit de overeenkomstige hersenkwabben, worden in kaart gebracht op het 2D-emotiemodel. Het voorgestelde algoritme stelt ons in staat om emoties te herkennen die gedefinieerd kunnen worden door arousal- en valentiniveaus. Er zijn slechts 3 elektroden nodig voor de emotieherkenning. De Higuchi- en box-counting-algoritmen werden gebruikt voor de EEG-analyse en vergelijking. Er werd een Support Vector Machine-classifier toegepast voor de herkenning van arousal- en valentiniveaus. De voorgestelde methode is subjectafhankelijk. Er zijn experimenten uitgevoerd met muziek- en geluidsstimuli om menselijke emoties op te wekken. In de experimenten werden geluidsfragmenten uit de International Affective Digitized Sounds (IADS) database gebruikt.
Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapore
Abstract
Emotieherkenning via EEG kan in veel toepassingen worden gebruikt, omdat het ons in staat stelt de "innerlijke" emotie te kennen, ongeacht de menselijke gezichtsuitdrukking, het gedrag of de verbale communicatie. In dit artikel stelden en beschreven we een nieuw op fractale dimensie (FD) gebaseerd algoritme voor emotieherkenning met behulp van een Arousal-Valence emotiemodel. FD-waarden berekend op basis van het EEG-signaal dat is geregistreerd vanuit de overeenkomstige hersenkwabben, worden in kaart gebracht op het 2D-emotiemodel. Het voorgestelde algoritme stelt ons in staat om emoties te herkennen die gedefinieerd kunnen worden door arousal- en valentiniveaus. Er zijn slechts 3 elektroden nodig voor de emotieherkenning. De Higuchi- en box-counting-algoritmen werden gebruikt voor de EEG-analyse en vergelijking. Er werd een Support Vector Machine-classifier toegepast voor de herkenning van arousal- en valentiniveaus. De voorgestelde methode is subjectafhankelijk. Er zijn experimenten uitgevoerd met muziek- en geluidsstimuli om menselijke emoties op te wekken. In de experimenten werden geluidsfragmenten uit de International Affective Digitized Sounds (IADS) database gebruikt.
Lees verder