تشخیص و طبقه بندی احساسات با استفاده از سیگنال های فیزیولوژیک و به کارگیری روش های تشخیص الگو
احساس نقش مهمی در سلامت، ارتباط و تعامل بین انسانها دارد. توانایی شناخت حالات حسی افراد قسمت مهمی از شاخص های سلامتی و ارتباط های طبیعی است. در پایگاه داده DEAP، سیگنال های الکتروانسفالوگرام و سیگنال های فیزیولوژیکی محیطی مربوط به 32 داوطلب ثبت شده است. شرکت کنندگان در هر ویدیو از نظر سطح انگیختگی، ظرفیت، دوست داشتن/نداشتن، تسلط و آشنایی با ویدیوی مشاهده شده امتیاز داده شدند.
در این مقاله روش تجربی و کاربردی جهت طبقه بندی ظرفیت، انگیختگی، تسلط و علاقه، توسط رتبه بندی ویژگی های استخراج شده از سیگنال ها با استفاده از الگوریتم هایی بر روی سیگنال های EEG و سیگنال های فیزیولوژیکی محیطی (نظیر سیگنال های الکترومایوگرام، الکترواوکولوگرام، پاسخ الکتریکی پوست، نرخ تنفس، پلتیسموگرام و دمای پوست) انجام گردید. پس از فراخوانی سیگنال ها از پایگاه داده و پیش پردازش اولیه آنها، ویژگی های مختلف در حوزه زمان و فرکانس از کلیه سیگنال ها استخراج گردید. در این مقاله از طبقه بندی کننده های SVM و KNN، الگوریتم خوشه بندی K-means و شبکه های عصبی PNN و GRNN جهت تشخیص و طبقه بندی احساسات استفاده شد.
در نهایت نشان داده شد که نتایج نهایی طبقه بندی احساسات توسط روش ها و طبقه بندی کننده های مختلف در این مقاله با دقت بالا صورت می پذیرد. بهترین نتایج صحت حاصل از به کارگیری روش پیشنهاد شده با استفاده از ویژگی های استخراج شده از سیگنال های محیطی و ویژگی های استخراج شده از سیگنال های EEG به ترتیب برابر 85/5% و 82/4% به ازای ورودی طبقه بندی کننده SVM حاصل گردید.
با توجه به نتایج نهایی درخصوص طبقه بندی احساسات در این مقاله، الگوریتم ارایه شده نتایج نسبتا مناسبتری نسبت به سایر روش های مشابه پیشین ارایه داده است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.