بهبود طبقه بندی حالات احساسی با استفاده از سیگنالهای مغزی و محیطی با روش الگوریتم های تکاملی

در این مقاله تلاش می شود تا با بررسی فعالیت الکتریکی مغز و سیگنال های محیطی در حالت های هیجانی متفاوت،دقت تشخیص احساس در سیستم های خودکار افزایش داده شود. وجود یک سیستم خودکار تشخیصاحساسات کمک بزرگی به بهبود ارتباطات روزمره می نماید. برای فرآیند طبقه بندی حالات احساسی ابتدا با پردازشسیگنال های فیزیولوژیکی موجود در پایگاه دادگان، ویژگی آنتروپی و انرژی حاصل از تجزیه ویولت استخراج می شود.یکی از راههای بهبود تشخیص احساسات علاوه بر استخراج ویژگی مناسب، انتخاب بهترین پارامتر برای هسته ماشین بردار پشتیبان و دیگر پارامترهای آزاد می باشد. این پارامترها به گونه ای بدست می آیند که میانگین درصد صحت طبقه بندی حاصل از اعتبار سنجی ماکسیمم گردد. نتایج شبیه سازی نشان می دهد که این روش حدود 5% درتشخیص حالات احساسی نسبت به طبقه نایو بیز بهبود داشته است.

کلیدواژه ها:

اعتبار سنج K-fold ، الگوریتم تکاملی ، تبدیل ویولت ، ماشین بردار پشتیبان ، KPCA