بازشناسی حالتهای مختلف احساسی با استفاده از سیگنال EEG
Publish place: 20th Iranian Conference on Electric Engineering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,320
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE20_261
تاریخ نمایه سازی: 14 مرداد 1391
Abstract:
دراینتحقیق چندین روش بصورت ترکیبی برای بازشناسی حالتهای احساس با استفاده از سیگنال الکتروانسفالوگرام به کاربرده شده است درکنار استخراج ویژگیهای اماری درفضای زمان و فرکانس ضرایب مدل AR و ویژگیهای آشوبی همچون بعد فرکتال و نمای لیاپانوف بهعنوان ویژگیهای موثر برای بازشناسی حالتهای احساسی مورد استفاده قرارگرفته است طبقه بندی کننده های NaiveBayes و Bagging بایکدیگر مقایسه شده اند و نرم افزار MATLAB برای استخراج ویژگی ها و نرم افزار WEKA برایدسته بندی گروه های احساسی مورد استفاده قرارگرفته است نتایج نشان میدهد که استفاده ازویژگیهای آشوبی درکنار ضرایب مدل aR و طبقه بندی کننده BAGGING تمایز بین گروه های مختلف احساسی را افزایش میدهد.
Keywords:
Authors
الناز ایل بیگی
دانشجوی کارشناسی ارشد دانشگاه اصفهان
محمدرضا ایزدچی
استادیار دانشگاه اصفهان
مجید محمدبیگی
استادیار دانشگاه اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :