طبقه بندی احساسات با ویژگی های استخراج شده از ارتباطات مغزی سیگنال های EEG

احساسات در روابط روزمره انسان ها از اهمیت بالایی برخوردار هستند و نقش اساسی در تفکر و تصمیم گیری ایفا میکنند. مطالعه احساسات از طریق پردازش سیگنال های بیولوژیکی دارای کاربردهای فراوانی است که میتوان به دروغ سنجی، پیش بینی رفتار و ... اشاره داشت. هدف اصلی این تحقیق، طبقه بندی احساسات شادی و غم افراد در فضای انگیختگی _ رضایت با استفاده از سیگنالهای EEG است. دادگان مورد استفاده متعلق به دیتای DEAP است که در سال 2012 جمع آوری شده اند. در این پژوهش ارتباط موثر از روی سیگنال های مغزی با استفاده از روش همدوسی جهتدار جزیی تعمیم یافته (GPDC) برای 32 سوژه تخمین زده شده است. سپس ویژگیهای حوزه زمان_فرکانسی مرتبط با دو حالت با آزمون T_test انتخاب شده و ویژگی های معنادار به عنوان برترین ویژگیها برگزیده شدند. درنهایت تفکیک پذیری دو گروه شادی و غم با روش LOO و طبقه بند KNN ارزیابی شدند. بیشترین صحت، %95/3 در باند فرکانسی تتا 4-8 هرتز، کمترین صحت %67/1 در باند بتا 13-20 1 هرتز و صحت %100 برای تمامی باندهای فرکانسی، بدست آمد. نتایج نشان میدهد که تمایز در ارتباطات باندهای فرکانسی پایین بیشتر از ارتباطات باندهای فرکانسی بالاتر میباشد. براساس تحلیل در پنجره های زمانی 10 ثانیه ای در باند تتا در پنجره زمانی دوم، در باند الفا در پنجره زمانی پنجم، در باند بتا 1 در پنجره زمانی یکم، در باند بتا 2در پنجره زمانی سوم و در باند گاما در پنجره های زمانی چهارم و پنجم بهترین تفکیک پذیری بدست آمد.