بازشناسی هیجانات انسان از روی سیگنال الکتروانسفالوگرام با استفاده از ماشین بردار پشتیبان (SVM) و ویژگیهای مبتنی بر آنتروپی

بازشناسی هیجانات انسان از طریق تحلیل داده های غیرکلامی از جمله سیگنال های بیولوژیک به دلیل کاربردهای بالینی و تحقیقاتی قابل توجه دارای اهمیت فراوان در حوزه های مختلف علوم و مهندسی بوده و مورد توجه پژوهشگران زیادی قرار گرفته است. از جمله روش های بازشناسی عواطف و هیجانات استخراج و بهره گیری از اطلاعات موجود در سیگنال الکتروانسفالوگرام (EEG) با استفاده از الگوریتم های یادگیری ماشین است. در پژوهش حاضر دو حالت هیجانی مهم انسان یعنی «شادی» و «غم» مورد مطالعه قرار گرفته و توسط الگوریتم ماشین بردار پشتیبان (SVM) دسته بندی شده اند. برای این منظور از ویژگی های آنتروپی تفاضلی (DE) سیگنال EEG استفاده شده و روش پیشنهادی بر روی داده های پایگاه داده با دسترسی عمومی - SEED-IV پیاده سازی و مورد آزمون قرار گرفته است. صحت دسته بندی برای دو هیجان شادی و غم با استفاده از روش پیشنهادی به طور میانگین ۸۱/۵۴ درصد به دست آمده است که با توجه به بهره گیری از روش سبک و غیر پیچیده SVM برای دسته بندی قابل قبول و قابل رقابت با سایر روش های پیشنهاد شده است.

کلیدواژه ها:

بازشناسی ، هیجانات ، سیگنال الکتروانسفالوگرام ، ماشین بردار پشتیبان ، آنتروپی تفاضلی ، SVM ، EEG