بهبود تشخیص خودکار احساسات با استفاده از سیگنالeeg
نویسندگان
چکیده
احساسات نقش مهمی در زندگی روزمره انسان بازی می کنند از این رو نیاز به بازشناسی خودکار آن برای بهبود ارتباط انسان و رایانه افزایش یافته است. بازشناسی از طریق سیگنال eeg با توجه به نشان دادن احساسات درونی افراد نسبت به سایر روش ها بسیار مورد توجه است. با توجه به فقدان مجموعه تحریک کننده های عاطفی برای انجام چنین مطالعاتی در فرهنگ ایرانی، در این مطالعه سعی بر انجام آزمایش هایی مطمئن و ایجاد چهار وضعیت احساسی در افراد شرکت کننده شده است. سوژه ها یک بار از طریق سیستم تصاویر استاندارد عاطفی که در دانشگاه فلوریدا جمع آوری شده است تحریک می شوند و بار دیگر از طریق مجموعه از فیلم هایی که با توجه به فرهنگ ایرانی جمع آوری شده اند آزمایش می شوند. نتایج حاکی از موفقیت بیشتر مجموعه فیلم های جمع آوری شده جهت تحریک عاطفی افراد شرکت کننده است. نکته قابل توجه دیگر در این مطالعه استفاده تنها از دو الکترود و بازشناسی احساسات با صحت بالا است
منابع مشابه
بهبود تشخیص خودکار احساسات با استفاده از سیگنالEEG
Emotions play an important role in daily life of human, so the need and importance of automatic emotion recognition have grown with increasing role of Human Computer Interaction (HCI) applications. Since emotion recognition using EEG can show inner emotions, this method is more attention from other ways. In consideration to lack of emotion induction collection for doing such researches at Irani...
متن کاملبهبود دقت در تشخیص احساسات با استفاده از سیگنالهای EEG با نوآوری در ترکیب استخراج ویژگی
مقدمه: از آنجا که احساسات نقش مهمی در زندگی روزمره انسان بازی می‌کند، ایجاد روشی هوشمند جهت بهبود قابلیت تشخیص احساسات از سیگنال الکتروانفسالوگرافی (EEG)، مبتنی بر تکنیک‌های پردازش سیگنال، ضروری به نظر می رسد. به‌علاوه، استفاده از طبقه‌بند ماشین بردار پشتیبان بهینه شده با الگوریتم تکاملی ژنتیک، از نوآوری‌های این پژوهش در بخش طبقه‌بندی می‌باشد. روش: روش پیشنهادی با تمرکز بر روی استخراج و طبقه‌ب...
متن کاملبهبود دقت در تشخیص احساسات با استفاده از سیگنالهای EEG با نوآوری در ترکیب استخراج ویژگی
مقدمه: از آنجا که احساسات نقش مهمی در زندگی روزمره انسان بازی می‌کند، ایجاد روشی هوشمند جهت بهبود قابلیت تشخیص احساسات از سیگنال الکتروانفسالوگرافی (EEG)، مبتنی بر تکنیک‌های پردازش سیگنال، ضروری به نظر می رسد. به‌علاوه، استفاده از طبقه‌بند ماشین بردار پشتیبان بهینه شده با الگوریتم تکاملی ژنتیک، از نوآوری‌های این پژوهش در بخش طبقه‌بندی می‌باشد. روش: روش پیشنهادی با تمرکز بر روی استخراج و طبقه‌ب...
متن کاملتشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون
This paper shows how we can make advantage of using genetic programming in selection of suitable features for automatic modulation recognition. Automatic modulation recognition is one of the essential components of modern receivers. In this regard, selection of suitable features may significantly affect the performance of the process. In this research we implemented our model by using appropria...
متن کاملمعرفی نمایه جدید به منظور تشخیص خودکار شدت پیشرفت بیماری آصم با استفاده از سیگنالهای کپنوگرام
در این مقاله یک نمایه جدید به منظور تشخیص خودکار شدت بیماری آصم با استفاده از پردازش سیگنالهای کپنوگرام ارائه شده است. تحقیقات انجام گرفته در گذشته نشان دهنده ارتباط مهمی بین کپنوگرام و بیماری آصم بوده است .هرچند، اغلب آن تحقیقات از روشهای پردازشی حوزه زمان اسفاده کرده بوده و بر این فرضیه استوار بودند که کپنوگرام یک سیگنال ایستان است. در این تحقیق با استفاده از ضرائب پیش بینی خطی (LPC) و روش مد...
متن کاملتشخیص خودکار خطواره ها درتصاویر ماهواره ای و عکس های هوایی با استفاده از تبدیل رادون
آگاهی از سیستم خطواره‌های هر منطقه شامل گسل‌ها و شکستگی‌ها در مطالعات زمین‌شناسی، هیدروژئولوژی و از همه مهم‌تر اکتشاف ذخایر معدنی مفید است. به‌طور معمول، نقشه خطواره‌ها از داده‌های مکانی مانند عکس‌های هوایی و تصاویر ماهواره‌ای استخراج می‌شوند. با وجود آن که استخراج بصری خطواره‌ها متداول‌ترین روش است اما روشهای خودکار تشخیص خطواره‌ها تا حدود زیاد می‌تواند خطای کاربر را کاهش دهد و حتی خطواره‌های...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پردازش علائم و داده هاجلد ۱۰، شماره ۲، صفحات ۲۱-۳۴
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023