一个智能情绪预测系统使用基于EEG信号的改进的沙猫优化技术
Amutha Prabakar Muniyandi1, Kayal Padmanandam2, Karthika Subbaraj3
1Department of Computer Science and Engineering, Government Polytechnic College, Keelakanavai, Perambalur, Tamil Nadu, 621104, India.
Scientific reports
|March 14, 2025
概括
这项研究介绍了一种改进的沙猫优化 (ISCO) 技术,用于从电脑电图 (EEG) 信号中准确预测情绪. 这种新的方法达到97.5%的准确性,增强了人机交互系统.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 情感识别对于推进人机交互 (HCI) 至关重要.
- 电脑电图 (EEG) 信号为情绪检测提供了可靠的脑活动测量方法.
- 现有的方法需要提高预测准确性和效率.
研究的目的:
- 利用EEG信号开发一种高效准确的情绪预测方法.
- 增强沙猫优化算法,以提高情绪识别的性能.
- 根据已建立的生物灵感优化算法验证拟议的技术.
主要方法:
- 开发了一种改进的沙猫优化 (ISCO) 技术,结合了凸镜头基于对立的学习策略.
- 该ISCO算法被应用到一个数据集的2132标记EEG信号跨越三个情绪状态.
- 性能与实用群优化 (PSO),人工子优化 (ARO),人工蜂群优化 (ABCO) 和猫优化 (CO) 相比进行了基准测试.
主要成果:
- 拟议的ISCO技术实现了97.5%的高预测精度.
- 在情绪预测方面,ISCO在现有的生物灵感优化算法上取得了显著的改进.
- 改进的算法显示了更快的趋同到目标识别.
结论:
- 伊斯科技术提供了一种高效的方法,用于从EEG信号中预测情绪.
- 这一进步对心理健康监测,HCI,游戏和情感计算的应用具有重大潜力.
- 这项研究证实了拟议的ISCO方法在增强情绪识别系统方面的优越性.
