English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 1914/17082 (11%)
造訪人次 : 3938862      線上人數 : 991
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧：
  • 您可在西文檢索詞彙前後加上"雙引號"，以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋，建議至進階搜尋限定作者欄位，可獲得較完整資料
    •  進階搜尋
    University of Taipei > 理學院 > 資訊科學系 > 會議論文 >  Item 987654321/15887


    請使用永久網址來引用或連結此文件: http://utaipeir.lib.utaipei.edu.tw/dspace/handle/987654321/15887


    題名: 利用支持向量機及小波轉換進行人類腦電波的情緒鑑別
    作者: 張菀珍;葉榮木;蔡俊明;洪偉哲
    貢獻者: 臺北市立教育大學資訊科學系
    關鍵詞: 腦電波;情緒鑑別;小波轉換;支持向量機
    日期: 2011
    上傳時間: 2017-07-25 09:58:19 (UTC+8)
    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。
    顯示於類別:[資訊科學系] 會議論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML1398檢視/開啟


    在uTaipei中所有的資料項目都受到原著作權保護.

    如有問題歡迎與系統管理員聯繫
    02-23113040轉2132
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋