在观看情感视频时识别情感:基于电脑图信号分析和机器学习模型
Afshin S Asl1, Sahar Karimpour2
1Department of Biomedical Engineering, Faculty of Electrical and Computer Engineering University of Tabriz Tabriz Iran.
Ibrain
|September 29, 2025
概括
这项研究使用脑电图 (EEG) 信号和机器学习来识别幸福和悲伤等情绪. 合奏和决策树模型实现了高精度,展示了情感感知技术的潜力.
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
- 心理学 心理学 心理学
背景情况:
- 情绪显著影响人类的表现和心理健康.
- 技术进步的目标是创建情感感知系统.
- 电脑电图 (EEG) 对于分析情绪至关重要.
研究的目的:
- 使用EEG信号分析识别五种不同的情绪 (放松,快乐,动机,悲伤,恐惧).
- 评估各种机器学习模型在情感分类中的有效性.
- 为促进情感意识技术的发展做出贡献.
主要方法:
- 收集了23名年龄在24-31岁的男学生的EEG数据,同时他们观看了引起情绪的视频.
- 预处理的EEG信号去除噪声和人工物,提取统计和频域特征.
- 使用决策树,LDA,天真贝叶斯,SVM,KNN,Ensemble,物流回归和神经网络模型进行分类的情绪.
主要成果:
- 组合和决策树模型表现出最高的分类准确率,分别为95.38%和91.77%.
- 使用统计测试提取和选择特征是分类过程中的关键步骤.
- 该研究成功地根据EEG数据区分了五种情绪状态.
结论:
- 机器学习模型,特别是Ensemble和决策树,可以从EEG信号中准确地分类人类的情绪.
- 基于EEG的情绪识别在心理健康和人机交互方面具有很大的应用潜力.
- 进一步的研究可以探索更复杂的情绪和不同的参与者群体.


