Oparty na fraktalach algorytm rozpoznawania emocji z EEG przy użyciu modelu pobudzenia-walencji (Arousal-Valence)

Nuri Djavit

Zaktualizowano dnia

6 kwi 2015

Oparty na fraktalach algorytm rozpoznawania emocji z EEG przy użyciu modelu pobudzenia-walencji (Arousal-Valence)

Nuri Djavit

Zaktualizowano dnia

6 kwi 2015

Oparty na fraktalach algorytm rozpoznawania emocji z EEG przy użyciu modelu pobudzenia-walencji (Arousal-Valence)

Nuri Djavit

Zaktualizowano dnia

6 kwi 2015

Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapur

Streszczenie

Rozpoznawanie emocji na podstawie EEG może znaleźć zastosowanie w wielu dziedzinach, ponieważ pozwala nam poznać „wewnętrzne” emocje niezależnie od ludzkiej mimiki twarzy, zachowania czy komunikacji werbalnej. W niniejszej pracy zaproponowaliśmy i opisaliśmy nowatorski algorytm rozpoznawania emocji oparty na wymiarze fraktalnym (FD) z wykorzystaniem modelu emocji Pobudzenie-Walencja (Arousal-Valence). Wartości FD obliczone na podstawie sygnału EEG zarejestrowanego z odpowiednich płatów mózgowych są mapowane na dwuwymiarowy model emocji. Zaproponowany algorytm pozwala nam rozpoznawać emocje, które można zdefiniować poprzez poziom pobudzenia i walencji. Do rozpoznawania emocji potrzebne są tylko 3 elektrody. Do analizy i porównania EEG wykorzystano algorytm Higuchiego oraz metodę pudełkową. Do rozpoznawania poziomów pobudzenia i walencji zastosowano klasyfikator oparty na maszynie wektorów nośnych (SVM). Zaproponowana metoda jest zależna od osoby badanej. Przeprowadzono eksperymenty z wykorzystaniem bodźców muzycznych i dźwiękowych w celu wywołania ludzkich emocji. W eksperymentach wykorzystano klipy dźwiękowe z bazy danych International Affective Digitized Sounds (IADS).

Kliknij tutaj, aby przeczytać pełny raport

Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapur

Streszczenie

Rozpoznawanie emocji na podstawie EEG może znaleźć zastosowanie w wielu dziedzinach, ponieważ pozwala nam poznać „wewnętrzne” emocje niezależnie od ludzkiej mimiki twarzy, zachowania czy komunikacji werbalnej. W niniejszej pracy zaproponowaliśmy i opisaliśmy nowatorski algorytm rozpoznawania emocji oparty na wymiarze fraktalnym (FD) z wykorzystaniem modelu emocji Pobudzenie-Walencja (Arousal-Valence). Wartości FD obliczone na podstawie sygnału EEG zarejestrowanego z odpowiednich płatów mózgowych są mapowane na dwuwymiarowy model emocji. Zaproponowany algorytm pozwala nam rozpoznawać emocje, które można zdefiniować poprzez poziom pobudzenia i walencji. Do rozpoznawania emocji potrzebne są tylko 3 elektrody. Do analizy i porównania EEG wykorzystano algorytm Higuchiego oraz metodę pudełkową. Do rozpoznawania poziomów pobudzenia i walencji zastosowano klasyfikator oparty na maszynie wektorów nośnych (SVM). Zaproponowana metoda jest zależna od osoby badanej. Przeprowadzono eksperymenty z wykorzystaniem bodźców muzycznych i dźwiękowych w celu wywołania ludzkich emocji. W eksperymentach wykorzystano klipy dźwiękowe z bazy danych International Affective Digitized Sounds (IADS).

Kliknij tutaj, aby przeczytać pełny raport

Olga Sourina, Yisi Liu. Nanyang Technological University, Nanyang Ave, Singapur

Streszczenie

Rozpoznawanie emocji na podstawie EEG może znaleźć zastosowanie w wielu dziedzinach, ponieważ pozwala nam poznać „wewnętrzne” emocje niezależnie od ludzkiej mimiki twarzy, zachowania czy komunikacji werbalnej. W niniejszej pracy zaproponowaliśmy i opisaliśmy nowatorski algorytm rozpoznawania emocji oparty na wymiarze fraktalnym (FD) z wykorzystaniem modelu emocji Pobudzenie-Walencja (Arousal-Valence). Wartości FD obliczone na podstawie sygnału EEG zarejestrowanego z odpowiednich płatów mózgowych są mapowane na dwuwymiarowy model emocji. Zaproponowany algorytm pozwala nam rozpoznawać emocje, które można zdefiniować poprzez poziom pobudzenia i walencji. Do rozpoznawania emocji potrzebne są tylko 3 elektrody. Do analizy i porównania EEG wykorzystano algorytm Higuchiego oraz metodę pudełkową. Do rozpoznawania poziomów pobudzenia i walencji zastosowano klasyfikator oparty na maszynie wektorów nośnych (SVM). Zaproponowana metoda jest zależna od osoby badanej. Przeprowadzono eksperymenty z wykorzystaniem bodźców muzycznych i dźwiękowych w celu wywołania ludzkich emocji. W eksperymentach wykorzystano klipy dźwiękowe z bazy danych International Affective Digitized Sounds (IADS).

Kliknij tutaj, aby przeczytać pełny raport

Fuzzy Shell do tworzenia interpretowalnego interfejsu BCI opartego na dynamice czasoprzestrzennej wywołanych oscylacji - Emotiv

Kontynuuj czytanie

Rozmyta otoczka (Fuzzy Shell) do tworzenia interpretowalnego BCI opartego na dynamice czasowo-przestrzennej wywołanych oscylacji