Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Een op fractals gebaseerd algoritme voor emotieherkenning uit EEG met behulp van het arousal-valence-model
Delen:
Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapore
Samenvatting
Emotieherkenning op basis van EEG kan in veel toepassingen worden gebruikt, omdat het ons in staat stelt de “innerlijke” emotie te kennen, ongeacht de gezichtsuitdrukking, het gedrag of de verbale communicatie van de mens. In dit artikel hebben we een nieuw algoritme voor emotieherkenning op basis van fractale dimensie (FD) voorgesteld en beschreven, met gebruik van een Arousal-Valence-emotiemodel. FD-waarden berekend uit het EEG-signaal dat is opgenomen uit de overeenkomstige hersenkwabben, worden toegewezen aan het 2D-emotiemodel. Het voorgestelde algoritme stelt ons in staat emoties te herkennen die kunnen worden gedefinieerd door arousal- en valentie-niveaus. Er zijn slechts 3 elektroden nodig voor emotieherkenning. Higuchi- en box-counting-algoritmen werden gebruikt voor de EEG-analyse en vergelijking. Een Support Vector Machine-classificator werd toegepast voor de herkenning van arousal- en valentie-niveaus. De voorgestelde methode is afhankelijk van het subject. Experimenten met muziek- en geluidsstimuli om menselijke emoties op te wekken werden uitgevoerd. Geluidsfragmenten uit de International Affective Digitized Sounds (IADS)-database werden gebruikt in de experimenten.
Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapore
Samenvatting
Emotieherkenning op basis van EEG kan in veel toepassingen worden gebruikt, omdat het ons in staat stelt de “innerlijke” emotie te kennen, ongeacht de gezichtsuitdrukking, het gedrag of de verbale communicatie van de mens. In dit artikel hebben we een nieuw algoritme voor emotieherkenning op basis van fractale dimensie (FD) voorgesteld en beschreven, met gebruik van een Arousal-Valence-emotiemodel. FD-waarden berekend uit het EEG-signaal dat is opgenomen uit de overeenkomstige hersenkwabben, worden toegewezen aan het 2D-emotiemodel. Het voorgestelde algoritme stelt ons in staat emoties te herkennen die kunnen worden gedefinieerd door arousal- en valentie-niveaus. Er zijn slechts 3 elektroden nodig voor emotieherkenning. Higuchi- en box-counting-algoritmen werden gebruikt voor de EEG-analyse en vergelijking. Een Support Vector Machine-classificator werd toegepast voor de herkenning van arousal- en valentie-niveaus. De voorgestelde methode is afhankelijk van het subject. Experimenten met muziek- en geluidsstimuli om menselijke emoties op te wekken werden uitgevoerd. Geluidsfragmenten uit de International Affective Digitized Sounds (IADS)-database werden gebruikt in de experimenten.
Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapore
Samenvatting
Emotieherkenning op basis van EEG kan in veel toepassingen worden gebruikt, omdat het ons in staat stelt de “innerlijke” emotie te kennen, ongeacht de gezichtsuitdrukking, het gedrag of de verbale communicatie van de mens. In dit artikel hebben we een nieuw algoritme voor emotieherkenning op basis van fractale dimensie (FD) voorgesteld en beschreven, met gebruik van een Arousal-Valence-emotiemodel. FD-waarden berekend uit het EEG-signaal dat is opgenomen uit de overeenkomstige hersenkwabben, worden toegewezen aan het 2D-emotiemodel. Het voorgestelde algoritme stelt ons in staat emoties te herkennen die kunnen worden gedefinieerd door arousal- en valentie-niveaus. Er zijn slechts 3 elektroden nodig voor emotieherkenning. Higuchi- en box-counting-algoritmen werden gebruikt voor de EEG-analyse en vergelijking. Een Support Vector Machine-classificator werd toegepast voor de herkenning van arousal- en valentie-niveaus. De voorgestelde methode is afhankelijk van het subject. Experimenten met muziek- en geluidsstimuli om menselijke emoties op te wekken werden uitgevoerd. Geluidsfragmenten uit de International Affective Digitized Sounds (IADS)-database werden gebruikt in de experimenten.
