利用支持向量機及小波轉換進行人腦電波的情緒鑑別; EEG-based Erecognition Using Support Vector Machine and Wavelet Transform

uTaipei > College of Science > Department of Computer Science > Periodical Articles > Item 987654321/15905

Please use this identifier to cite or link to this item: http://utaipeir.lib.utaipei.edu.tw/dspace/handle/987654321/15905

Title:	利用支持向量機及小波轉換進行人腦電波的情緒鑑別;EEG-based Erecognition Using Support Vector Machine and Wavelet Transform
Authors:	張菀珍;葉榮木;蔡俊明;洪偉哲
Contributors:	臺北市立教育大學資訊科學系
Keywords:	腦電波;情緒鑑別;小波轉換;支持向量機;EEG;Emotion recognition;Wavelet transform;SVM
Date:	2011-12
Issue Date:	2017-07-25 09:59:00 (UTC+8)
Abstract:	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。
Relation:	資訊科學應用期刊，7卷2期，P.79-104
Appears in Collections:	[Department of Computer Science] Periodical Articles

Files in This Item:

There are no files associated with this item.

Loading...