بازشناسی هیجانات القاشده توسط تحریک شنوایی از سیگنال EEG مبتنی بر طبقه بندی بر پایه ی نمایش تنک
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 475
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-49-1_030
تاریخ نمایه سازی: 17 تیر 1398
چکیده مقاله:
هیجانات، برای تفسیر درست اقدامات و همچنین ارتباطات بین انسان ها مهم هستند. شناخت هیجانات از طریق سیگنال الکتروانسفالوگرام (EEG)، امکان تشخیص حالات هیجانی را بدون روش های سنتی ازجمله پر کردن پرسشنامه، میسر می گرداند و می تواند بدون معاینات و ویزیت های بالینی، هیجان مورد نظر در فرد را بازگو نماید که نقش بسیار مهمی در تکمیل کردن پازل تعامل بین مغز و کامپیوتر(BCI) ایفا می کند. ازجمله چالش های عمده ای که در این زمینه وجود دارد، نخست انتخاب و استخراج ویژگی های مناسب از سیگنال الکتروانسفالوگرام است، به نحوی که تمییز قابل قبولی را بین حالات هیجانی مختلف ایجاد نمایند. چالش دیگر انتخاب یک الگوریتم طبقه بند مناسب، برای تفکیک و برچسب گذاری صحیح سیگنال های مربوط به هر هیجان است. این مقاله، با ارائه ی روشی مستقیم از چالش های ذکرشده، گذر کرده و نتایج عملکرد طبقه بندی کننده بر اساس نمایش تنک سیگنال (SRC) و بازسازی آن توسط دیکشنری آموزش دیده شده، گزارش شده است. روش پیشنهادی این مقاله بر روی دو پایگاه داده آزمایش شده است که پایگاه اول حاصل طراحی سناریو و ثبت سیگنال آزمایشگاهی همین مقاله با تحریک شنوایی بوده است و پایگاه داده دوم مربوط به ثبت داده ی دانشگاه شانگهای چین است. نتایج روش پیشنهادی صحت بالای 80% را برای بازشناسی دو هیجان مثبت و منفی فراهم می کند و نشان می دهد که روش پیشنهادی درصد موفقیت بالاتری در طبقه بندی هیجانات نسبت به پژوهش های پیشین دارد.
کلیدواژه ها:
نویسندگان
محمد عبدالهی
دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز
توحید یوسفی رضایی
دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز
سبحان شیخی وند
دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :