سال انتشار: ۱۳۹۱

محل انتشار: بیستمین کنفرانس مهندسی برق ایران

تعداد صفحات: ۶

نویسنده(ها):

الناز ایل بیگی – دانشجوی کارشناسی ارشد دانشگاه اصفهان
محمدرضا ایزدچی – استادیار دانشگاه اصفهان
مجید محمدبیگی – استادیار دانشگاه اصفهان

چکیده:

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.