查詢結果分析
相關文獻
- 利用支持向量機及小波轉換進行人腦電波的情緒鑑別
- A Comparison of Methods for Face Recognition Systems
- Separation of Background and Spiky Activity in Subdural EEG Based on Morphological Analysis and Wavelet Transform
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- Fractal Extraction from a Mixed FBM Signal Using Discrete Wavelet Transforms
- 針灸抑制癲癇發作機轉之研究
- Computer-Aided Fetus Analysis and Diagnosis System Using Fetal Heart Rate
- 類神經網路應用於腦病變源定位分析
- 應用小波理論於生產策略之快速回應系統
- The Global Minimum of Scalar Quantization Errors by Discrete Wavelet Transforms in Image Compression
頁籤選單縮合
題 名 | 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 |
---|---|
作 者 | 張菀珍; 葉榮木; 蔡俊明; 洪偉哲; | 書刊名 | 資訊科學應用期刊 |
卷 期 | 7:2 2011.12[民100.12] |
頁 次 | 頁79-104 |
分類號 | 171.3、171.3 |
關鍵詞 | 腦電波; 情緒鑑別; 小波轉換; 支持向量機; EEG; Emotion recognition; Wavelet transform; SVM; |
語 文 | 中文(Chinese) |
中文摘要 | 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。 |
本系統中英文摘要資訊取自各篇刊載內容。