曖昧なC-meanとSVMを用いたEEG信号からの感情検出のためのセグメンテーション強化アプローチ
Mahmood A Mahmood1, Khalaf Alsalem2, Murtada K Elbashir2
1Department of Information Systems, College of Computer and Information Sciences, Jouf University, Sakakah, Kingdom of Saudi Arabia. mamahmood@ju.edu.sa.
Scientific reports
|August 30, 2025
まとめ
この研究は,電気脳波 (EEG) 信号がハイブリッドサポートベクトルマシン (SVM) とフージーC-メディアのアプローチを使用して感情を効果的に識別できることを示しています. 線形カーネルは感情分類において最高精度 (97.66%) を達成した.
科学分野:
- 人工知能
- 神経科学
- 機械学習
背景:
- 電気脳波 (EEG) 信号からの感情認識は,医療や人間とコンピュータの相互作用におけるアプリケーションにとって極めて重要です.
- 複雑なEEGデータから微妙な感情状態を 正確に分類するには 既存の方法は困難です
研究 の 目的:
- 支持ベクトルマシン (SVM) モデルと多様なカーネル機能と,EEGベースの感情識別のためのフージーC-メディアを組み合わせたハイブリッドアプローチの有効性を実証する.
- 異なるSVMカーネル機能の性能と,分類の正確性に対するフージーロジック統合の影響を評価する.
主な方法:
- 2人の被験者のEEG信号は ミューズのヘッドバンドを使って記録され ポジティブ,ニュートラル,ネガティブな感情に分類されました
- クラシフィケーションには,フージーなC-メディアと並行して,線形とガウスのカーネルを持つ差別化されたSVMを用いたハイブリッドモデルが採用された.
- 性能は精度,リコール,F1スコアを用いて評価され,統計的有意性については一方向ANOVAを用いた.
主要な成果:
- 線形カーネルSVMは97.66%で最高精度を達成し,ガウスカーネル (95.78%) を上回った.
- 統計分析により,線形カーネルの有意な優位性が確認された (p < 0.05).
- ハイブリッドディープラーニングモデル (CNN-LSTM) は,最適化された線形SVMよりも比較可能な結果を示しました.
結論:
- ハイブリッドSVMは,最適化されたカーネルパラメータとフージーロジック統合で,EEGベースの感情認識に非常に有効です.
- このアプローチは 強力な感情検知システムを 開発する大きな可能性を秘めています
- 線形カーネルSVMは,この特定の感情分類のタスクで優れたパフォーマンスを示しています.
