جداسازی احساسات با رویکرد مشتری مداری از روی سیگنال مغزی از روی منابع مستقل با استفاده از ماشین بردار پشتیبان

احساس یکی از مهم ترین ارکان زندگی انسان است و تا حد زیادی قسمتی از تصمیم گیری های روزانه افراد از احساس نشات می گیرد. امروزه پیش بینی رفتار مشتری در بازارهای جهانی نسبت به یک محصول جدید قبل از ورود به بازار به عنوان یک مزیت رقابتی نسبت به سایر رقبا محسوب می شود و آن قدر مهم است که حتی یک تغییر کوچک می تواند در روند پیشی گرفتن از سایر رقبا کمک بزرگی نماید. لذا شناسایی احساس افراد با استفاده از سیگنال های مغزی EEG جهت ارائه یک روش که پیش بینی نزدیک تری به رفتار واقعی مشتریان داشته باشد یکی از اهداف اصلی این تحقیق را شکل داده است. با توجه به اهمیت شناسایی احساس ، در این تحقیق از EEG در شناسایی آن استفاده شده است. ایده اصلی این تحقیق آن است که مغز دارای منابع مستقل مختلفی با وظایف متفاوت می باشد و در نتیجه احساسات نیز در منابع مستقل مغزی قابل مشاهده خواهند بود. این منابع مختلف توسط الگوریتم ICA از روی سیگنال های EEG ثبت شده به دست می آید. اما با توجه به مشکل مشخص نبودن محل منابع مستقل در ICA، با استفاده از معیار آنتروپی، بر این مشکل فائق آمده و منابع را سورت کرده ایم و با استفاده از RQA ویژگی های آشوبگونه ای را برای هر منبع استخراج نموده ایم. سپس با استفاده از یک طبقه بند ماشین بردار پشتیبان و الگوریتم ژنتیک، ویژگی های آشوبگونه دو حالت احساسی مثبت و منفی بررسی شده و به نتیجه 69.75 درصد در تفکیک این دو احساس رسیده ایم.

کلیدواژه ها:

احساس ، سیگنال مغزی ، RQA ، الگوریتم ژنتیک ، ماشین بردار پشتیبان