این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۸، شماره ۲، صفحات ۸۵-۱۰۰
عنوان فارسی بازشناسی خودکار حالت عاطفی مبتنی بر تغییرات فیزیولوژیک
چکیده فارسی مقاله بازشناسی خودکار حالت عاطفی به منظور بهبود ارتباط انسان و رایانه، تحقیقات بالینی و کاربردهای متنوّع دیگر در چند سال اخیر مورد توجّه محقّقان بوده است. از جمله روشهای بازشناسی خودکار حالت عاطفی که نسبت به روش های دیداری- شنیداری، به آن توجّه کمتری شده است، نظارت بر تغییرات فیزیولوژیک به وسیله ثبت سیگنالهای محیطی میباشد. حالتهای مختلف عاطفی باعث تحریک دستگاه عصبی خودمختار و به دنبال آن تغییرات فیزیولوژیک به وسیله دو بخش سمپاتیک و پاراسمپاتیک و ایجاد الگوهای مشخص در سیگنالهای محیطی میشود. در این پژوهش سعی میگردد، آزمایشی مطمئن به منظور ایجاد چهار وضعیت عاطفی مشخّص در 25 داوطلب سالم و ثبت همزمان سیگنالهای محیطی برپا شود. همچنین، روش جدیدی در انتخاب افراد شرکت کننده در آزمایش پیشنهاد میگردد. علاوه بر آن پس از پیش پردازشهای مناسب، ویژگیهای متنوّعی از سیگنالها استخراج میشود. در ادامه، مقایسه ای بین روشهای کاهش بعد و دسته بندی کننده برای نیل به بهترین درصد صحّت تفکیک چهار وضعیت عاطفی انجام میشود. روش پیشنهاد شده میتواند حالتهای عاطفی مشخص را با دقّت میانگین 3/84% برای روشهای مختلف کاهش بعد و دسته بندی کننده تفکیک کند. نتایج این پژوهش میتواند به برون آزمایشگاهی شدن این روش بازشناسی کمک نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Automatic Affective State Recognition Using Physiological Changes
چکیده انگلیسی مقاله Recently, automatic affective state recognition has been noteworthy for improving Human Computer Interaction (HCI), clinical researches and other various applications. Little attention has been paid so far to physiological signals for affective state recognition compared to audio-visual methods. Different affective states stimulate the Autonomic Nervous System (ANS) and lead to changes in physiology via the Sympathetic and Parasympathetic system and generation of specific patterns in physiological signals. In this study, we setup a reliable experiment to elicit four specific affective states in 25 healthy cases and record the physiological signals simultaneously. We also proposed a novel method to choose the cases. In addition, after the appropriate preprocessing, different features were extracted from the signals. Furthermore we compared various dimension reduction and classification methods to obtain a higher classification's accuracy. An average accuracy of 84.3% was achieved by using the different dimension reduction and classification methods. The results show that our proposed method improved the accuracy of recognition and it can result in developing a realistic application.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بهروز مجردشفیعی | behrouz shafiyi
دانشگاه اصفهان

محمدرضا یزدچی | Mohammadreza Yazdchi
دانشگاه اصفهان

مهران عمادی اندانی | Mehran Emadi Andani
ر

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-151-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-600133.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش گفتار
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات