ر این پژوهش از یک روش ترکیبی جهت طبقه بندی نظارت شده تصاویر سنجش از دور فراطیفی استفاده شده است. در طبقه بندی نظارت شده، به اطلاعات اولیه از صحنه تصویر برداری همچون تعداد و نوع کلاس های حاضر به عنوان داده های آموزشی برای آموزش طبقه بندی کننده نیاز است. در روش پیشنهادی، با ترکیب فرآیند جداسازی طیفی و طبقه بندی نظارت شده، نیاز به داشتن اطلاعات اولیه مرتفع می گردد. در این پژوهش از روش تحلیل مولفه های مستقل مقید جهت جداسازی طیفی استفاده شده است. پس از استخراج مشخصه طیفی و فراوانی عناصر خالص موجود در صحنه، خالص ترین پیکسل ها از نقشه فراوانی هر عنصر خالص به عنوان داده آموزشی برگزیده می شوند. در مرحله بعد به منظور تهیه یک نقشه از پراکندگی فضایی این پدیده ها از روش طبقه بندی نظارت شده و الگوریتم طبقه بندی کننده ماشین بردار پشتیبان استفاده شده است. برای ارزیابی کارایی و دقت روش پیشنهادی در این پژوهش، الگوریتم توسعه یافته بر روی پایگاه داده سالیناس مربوط به سنجنده آویریس مورد بررسی قرار گرفته است. دقت کلی و ضریب کاپا طبقه بندی روش پیشنهادی به ترتیب % 05/98 و % 66/97 است که در مقایسه با روش های مرسوم طبقه بندی نظارت شده بهتر هستند. روش پیشنهادی دارای دو مزیت است: نخست نیاز به داده های آموزشی از طریق فرآیند جداسازی طیفی به صورت خودکار برطرف گردیده است، دوم آنکه گزینش بهترین داده ها جهت آموزش طبقه بندی کننده با داشتن ماتریس فراوانی عناصر خالص نتایج بهتری به دست می دهد

چکیده: دراین پایان نامه،روشی جدید با بهره گیری از ترکیب داده های مربوط به تصاویر چهره و سیگنال های بیولوژیکی جهت تشخیص هرچه دقیق تر احساسات انسانی ارائه شده است. برای استخراج ویژگی از تصاویر چهره، از شیوه تحلیل مولفه های اصلی و برای استخراج ویژگی از سیگنال های بیولوژیکی، از دو نوع تحلیل در حوزه زمان و فرکانس استفاده شده است. طبقه بندی ویژگی های استخراج شده، توسط چند نوع طبقه بندی کننده قدرتمند همچون ماشین بردار پشتیبان و نزدیک ترین میانگین صورت گرفته است. از روش ترکیب داده های مربوط به تصاویر چهره و سیگنال های بیولوژیکی در دو سطح ویژگی و طبقه بندی جهت تشخیص احساسات در سه بعد ظرفیت، برانگیختگی و علاقه مندی استفاده شده است. برای ارزیابی عملکرد، روش های پیشنهادی بر روی تصاویر احساسی چهره و سیگنال های بیولوژیکی مغزی و محیطی از سی ودو نفر شرکت کننده، اعمال شدند. بهترین نتیجه تشخیص احساسات از طریق ترکیب سیگنال های بیولوژیکی در بعد ظرفیت 74/32 درصد، در بعد برانگیختگی 70/27 درصد و در بعد علاقه مندی 72/97 درصد حاصل شد. در نهایت، با ترکیب سیگنال های بیولوژیکی و تصاویر چهره در بعد ظرفیت 81/76 درصد، در بعد برانگیختگی 85/81 درصد و در بعد علاقه-مندی 77/03 درصد تشخیص موفق بدست آمد که نتایج نسبت به روش های پیشین بهبود چشمگیری داشته اند.