روشی خودکار برای کمی سازی شرایط احساسی فرد به کمک سیگنال الکتروانسفالوگرام

احساس، یک فرایند روان شناسی از ذهن است و علاوه بر این که نقش مهمی در تعاملات بین انسان ها دارد، در سال های اخیر در تعامل بین انسان و کامپیوتر نیز مورد توجه قرار گرفته است. احساس، دارای ماهیتی مبهم و متنوع است. همچنین، افراد قادر به بیان کمی و دقیق احساس خود نیستند. بنابراین، معیاری کمی برای بازشناسی احساس افراد نیاز است. برای بیان حالات مختلف احساس، مدل دو بعدی خوشایندی- انگیختگی در نظر گرفته شده است. این مطالعه، با هدف ارایه ی رهیافتی برای بازشناسی کمی و پیوسته از احساس با استفاده از ویژگی های ارتباط عملکردی استخراج شده از الکتروانسفالوگرام (Electroencephalogram یا EEG) و مبتنی بر روش خوشه بندی Fuzzy c-means و تلفیق فازی انجام گردید.
سیگنال های الکتروانسفالوگرام افراد در زمان تماشای فیلم، همراه با گزارش فردی آن ها از احساس خود در زمان فوق، از پایگاه داده ی Database for emotion analysis using physiological signals (DEAP) دریافت شد. سه ویژگی ارتباطات عملکردی سیگنال های مغزی شامل همبستگی، مقدار قفل فاز و همدوسی از این سیگنال ها استخراج شده اند. ویژگی ها توسط خوشه بندی Fuzzy c-means خوشه بندی گردید. در نهایت، با توجه به نمره دهی کاربران بر خط و نتایج خوشه بندی برای هر ویژگی، مقادیر کمی و پیوسته برای خوشایندی و انگیختگی احساس فرد به دست آمد.
صحت 0/079 ± 0/901 برای خوشایندی و 0/083 ± 0/860 برای انگیختگی به دست آمد. ارتباط های عملکردی انتخاب شده، مربوط به فعالیت هم زمان نواحی بینایی، شنوایی و درک احساس در قشر مغز می باشد.
صحت نتایج نسبت به مطالعات گذشته که به صورت گسسته، بازشناسی احساس را انجام داده اند، به طور قابل ملاحظه ای بیشتر است. همچنین، تخمین احساس بر اساس مقدار همدوسی نسبت به دیگر ویژگی های بررسی شده، نتیجه ی بهتری را ارایه کرده است. نتایج این مطالعه در بهبود تعاملات بین انسان و کامپیوتر و همچنین، در زمینه ی بازتوانی شناختی کاربرد دارد.