مرضیه امجدزاده - دانشجوی کارشناسی ارشد دانشکده فنی و مهندسی دانشگاه شهید چمران اهواز
کریم انصاری اصل - استادیار گروه برق دانشکده فنی و مهندسی دانشگاه شهید چمران اهواز
سجاد هدایتی پور - کارشناس ارشد دانشکده فنی و مهندسی دانشگاه شهید چمران اهواز

در این تحقیق از سیگنال های فیزیولوژیکی مغزی و محیطی جهت بازشناسی حالت های مختلف احساسی استفاده شده است. متناسب با نوع سیگنال ها ویژگی های مختلف و متنوعی در دو حوزه زمان و فرکانس از آنها استخراج کرده و با بکارگیری معیار خطی فیشر بهترین و موثرترین ویژگی ها برگزیده شده اند. از پنج طبقه بندی کننده جهت طبقه بندی احساسات استفاده و برای آموزش و تست طبقه بندی کننده ها نیز طرح اعتبار سنجی متقابل به شیوه LOOM پیاده سازی شده است. نتایج نشان می دهند که سیگنال های مغزی نسبت به سیگنال های محیطی در ایجاد تمایز بین حالت های مختلف احساسی مورد مطالعه موفق تر بوده و طبقه بندی کننده K-NN در اکثر موارد درصد صحت و دقت بالاتری در طبقه بندی کلاس های احساسی دارد.

استخراج ویژگی، سیگنال محیطی، سیگنال مغزی، طبقه بندی