Development of a ternary levels emotion classification model utilizing electroencephalography data set

Abstract

Elektroensefalogram (EEG) tabanlı duygu tanıma, duygusal durumları nesnel olarak değerlendirmedeki potansiyeli nedeniyle giderek artan bir ilgi görmektedir. Ancak, mevcut birçok çalışma sınırlı veri kümelerine dayanmakta ve ikili sınıflandırmaya veya dar özellik kümelerine odaklanmakta, bu da bulgularının ayrıntılılığını ve genelleştirilebilirliğini sınırlamaktadır. Bu zorlukları ele almak için bu çalışma, daha geniş bir duygusal tepki yelpazesini yakalamak amacıyla hem değer hem de uyarılma boyutları için üçlü bir sınıflandırma çerçevesini incelemektedir; her birini düşük, orta ve yüksek seviyelere ayırmaktadır. DEAP veri kümesinden rastgele seçilen on katılımcının EEG kayıtları kullanılmıştır. Her 60 saniyelik EEG segmenti, zamansal istikrarı korumak ve güvenilir özellikler çıkarmak için 10 saniyelik altı örtüşmeyen pencereye bölünmüştür. Anlık genlik ve faz bilgisini hesaplamak için Hilbert Dönüşümü uygulanmış ve duygusal durumlardaki ince değişimlerin tespit edilmesine olanak sağlanmıştır. Bu özellikler daha sonra ileri beslemeli bir sinir ağı kullanılarak sınıflandırılmıştır. Önerilen yaklaşım, uyarılma için %99,13 ve değer için %99,50 gibi etkileyici sınıflandırma doğruluklarına ulaşarak, çok seviyeli duygusal durumları tanımadaki etkinliğini kanıtlamıştır. İkili etiketlerin ötesine geçerek ve zaman-frekans alanı özelliklerini kullanarak, bu çalışma daha gelişmiş ve duyarlı duygu tanıma sistemlerinin geliştirilmesine katkıda bulunmaktadır. Bu bulgular, hassas duygu modellemesinin kritik bir rol oynadığı duygusal bilişim, ruh sağlığı izleme ve uyarlanabilir insan-bilgisayar etkileşimi gibi gerçek dünya uygulamaları için umut verici içgörüler sunmaktadır.