Ανάλυση συναισθημάτων μέσω της χρήσης φυσιολογικών σημάτων
Loading...
Date
Authors
Γκιμιτζούδης, Αθανάσιος
Journal Title
Journal ISSN
Volume Title
Publisher
Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών
Abstract
Type
Type of the conference item
Journal type
Educational material type
Conference Name
Journal name
Book name
Book series
Book edition
Alternative title / Subtitle
Description
Ο ανθρώπινος εγκέφαλος αποτελεί το βασικό όργανο του κεντρικού νευρικού συστήματος και είναι υπεύθυνος για όλες τις λειτουργίες της κίνησης, της αναπνοής, των αισθήσεων και των συναισθημάτων. Το ηλεκτροεγκεφαλογράφημα (ΗΕΓ) αποτελεί βασικό εργαλείο για τη μελέτη του ανθρώπινου εγκεφάλου και κυρίως για τη διάγνωση και παρακολούθηση νευρολογικών διαταραχών. Τα τελευταία χρόνια, η ανάλυση των ΗΕΓ καταγραφών κερδίζει έδαφος στην μελέτη της συναισθηματικής κατάστασης. Στην παρούσα διπλωματική εργασία προτείνεται μια μεθοδολογία για τη διάκριση των συναισθηματικών καταστάσεων, όπως αυτές αποτυπώνονται με βαθμολογίες των μετρικών arousal και valence. Η μεθοδολογία στηρίζεται στην Ανάλυση Χρόνου-Συχνότητας με εφαρμογή του Διακριτού Μετασχηματισμού Κυματιδίων και στην εξαγωγή χαρακτηριστικών Ενέργειας, Εντροπίας Shannon και Εντροπίας Tsallis από ΗΕΓ καταγραφές της βάσης δεδομένων DEAP. Δοκιμάζονται διάφοροι αλγόριθμοι μηχανικής μάθησης και ο αλγόριθμος των Τυχαίων Δασών επιφέρει τα καλύτερα αποτελέσματα Ακρίβειας, Ευαισθησίας και Ειδικότητας.
The human brain is the main organ of the central nervous system and is responsible for all the functions of movement, respiration, senses and emotions. The Electroencephalogram (EEG) is the main tool for the study of the human brain and mainly for the diagnosis and monitoring of neurological disorders. In recent years, the analysis of EEG recordings is gaining ground in the study of emotional state. In this study, a methodology is proposed for the classification of emotional states, as they are expressed with arousal and valence scores. The methodology is based on Time-Frequency Analysis with application of Discrete Waveform Transform and the extraction of Energy, Shannon Entropy and Tsallis Entropy from EEG recordings of the DEAP database. Various machine learning algorithms are evaluated and the Random Forests shows the best results in terms of Accuracy, Sensitivity and Specialty.
The human brain is the main organ of the central nervous system and is responsible for all the functions of movement, respiration, senses and emotions. The Electroencephalogram (EEG) is the main tool for the study of the human brain and mainly for the diagnosis and monitoring of neurological disorders. In recent years, the analysis of EEG recordings is gaining ground in the study of emotional state. In this study, a methodology is proposed for the classification of emotional states, as they are expressed with arousal and valence scores. The methodology is based on Time-Frequency Analysis with application of Discrete Waveform Transform and the extraction of Energy, Shannon Entropy and Tsallis Entropy from EEG recordings of the DEAP database. Various machine learning algorithms are evaluated and the Random Forests shows the best results in terms of Accuracy, Sensitivity and Specialty.
Description
Keywords
Ηλεκτροεγκεφαλογράφημα, Λογισμικό
Subject classification
Λογισμικό - Υγεία, Υγεία - Λογισμικό, Ηλεκτροεγκεφαλογράφημα
Citation
Link
Μεταπτυχιακή εργασία
Language
el
Publishing department/division
Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών
Advisor name
Τζάλλας, Αλέξανδρος
Examining committee
Γλαβάς, Ευριπίδης
Τσούλος, Ιωάννης
Τσούλος, Ιωάννης
General Description / Additional Comments
Τμήμα Πληροφορικής & Τηλεπικοινωνιών
Institution and School/Department of submitter
Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών
Table of contents
Sponsor
Bibliographic citation
Γκιμιτζούδης, Α., 2022. Ανάλυση συναισθημάτων μέσω της χρήσης φυσιολογικών σημάτων. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων.Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών
Name(s) of contributor(s)
Number of Pages
65
Course details
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwised noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States