English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 2471/17084 (14%)
造訪人次 : 3183978      線上人數 : 1083
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    University of Taipei > 理學院 > 資訊科學系 > 會議論文 >  Item 987654321/15887


    請使用永久網址來引用或連結此文件: http://utaipeir.lib.utaipei.edu.tw/dspace/handle/987654321/15887


    題名: 利用支持向量機及小波轉換進行人類腦電波的情緒鑑別
    作者: 張菀珍;葉榮木;蔡俊明;洪偉哲
    貢獻者: 臺北市立教育大學資訊科學系
    關鍵詞: 腦電波;情緒鑑別;小波轉換;支持向量機
    日期: 2011
    上傳時間: 2017-07-25 09:58:19 (UTC+8)
    摘要: 人的情緒的正確鑑別存在著許多的困難,根據每個人所經歷的事物與心情狀態,
    影響著即使面對相同的事件,所呈現的情緒強度也有所不同。而現今對於人腦波
    的研究逐漸盛行,已經採用大腦人機介面(Brain computer interface)收集腦電波
    (Electroencephalogram)訊號,經由訊號分析、特徵擷取以及分類器,來鑑別腦電
    波訊號的情緒類別進行相關研究,然而,如何提高腦電波鑑別情緒的準確度,仍
    是許多研究投入探索的議題。
    本研究使用 NeuroScan 大腦人機介面,藉由非侵入式的腦電波訊號量測,以10
    位受測者為對象,撥放高興、驚訝、生氣、厭惡、難過和恐懼等六種情緒的臉部
    圖片,進行腦波實驗,所得資料經由去腦電波雜訊處理、繪製大腦空間能量頻譜
    圖後,將腦電波訊號進行小波轉換(Wavelet transform)分解訊號,選取能量分布差
    異較大的θ波為分類波段,接著計算最大值(Max)、最小值(Min)、全距(Range)、
    標準差(Standard deviation)、絕對中位差(Median absolute deviation)、絕對帄均差
    (Average absolute deviation)、能量(Energy)及特徵向量(Eigenvectors) 等八類特
    徵,將各種特徵投入支持向量機(Support vector machine)作各種情緒的鑑別,獲
    得正確辨識率帄均值為76.25%。
    本研究發現,當使用相似的特徵,無法增加情緒的鑑別率,但是若加入較多有效
    的特徵,鑑別率會隨之提高,不過也會增加運算複雜度。同時發現,全距、標準
    差、絕對中位差、絕對帄均差、能量及特徵向量等六個特徵,可明顯增加鑑別辨
    識率的成效。
    顯示於類別:[資訊科學系] 會議論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML1374檢視/開啟


    在uTaipei中所有的資料項目都受到原著作權保護.


    如有問題歡迎與系統管理員聯繫
    02-23113040轉2132
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋