تشخیص و طبقه بندی احساسات با استفاده از سیگنال های فیزیولوژیک و به کارگیری روش های تشخیص الگو

مقدمه: 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 ۳۲ داوطلب ثبت شده است. شرکت کنندگان در هر ویدئو از نظر سطح انگیختگی، ظرفیت، دوست داشتن/نداشتن، تسلط و آشنایی با ویدئوی مشاهده شده امتیاز داده شدند. روش: 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.  نتایج: 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 ۸۵/۵ % و ۸۲/۴% به ازای ورودی طبقه بندی کننده SVM حاصل گردید. نتیجه ­گیری: با توجه به نتایج نهایی درخصوص طبقه بندی احساسات در این مقاله، الگوریتم ارائه شده نتایج نسبتا مناسبتری نسبت به سایر روش های مشابه پیشین ارائه داده است.

کلیدواژه ها:

Classification of Emotions ، EEG Signals ، Physiological Signals ، Feature Extraction ، Signal Processing ، طبقه بندی احساسات ، سیگنال های EEG ، سیگنال های فیزیولوژیک ، استخراج ویژگی ، پردازش سیگنال ها