Estimation of emotional situation using EEG signals and machine learning methods EEG sinyalleri ve makine öğrenme yöntemlerini kullanılarak duygusal durum kestirimi

ÖZETEmotion estimation is an effective analysis method used to increase the interaction between humans and machines. Electroencephalogram (EEG) based emotion prediction studies based on brain signals become very attractive since they provide successful results of emotion analysis. In this study, new methods for emotion prediction are presented in accordance with dimensional emotion modeling. Multichannel EEG signals are recorded while the subjects viewed pictures from the International Affective Image System (IAPS) data set. Signal preconditioning and artefact elimination was performed by applying necessary filters on the recorded data. Several features are extracted and the signals are classified using classification methods such as support vector machines and K-nearest neighbor. To improve the classification performance, we propose a second method where EEG signals are further analyzed by Multivariate Empirical Mode Decomposition (MEMD) and similar features are extracted from the intrinsic mode functions (IMFs) of the MEMD and classified using machine learning methods. As a third method, Deep Learning (DL) approach is proposed for classification of emotional labels. Time-frequency (TF) representations of the IMFs extracted using MEMD method are calculated by the Short-time Fourier Transform (STFT) and spectrogram. These spectrograms considered as TF images are applied to a Convolutional Neural Network (CNN) to classify the emotional labels. Performance results of the proposed methods suggest that utilizing an advanced signal processing method such as MEMD and using DL approach for classification provides encouraging results and may be used in future human-machine interaction studies.SUMMARYDuygu tahmini insanlar ve makineler arasındaki etkileşimi arttırmak amaçlı kullanılan etkili bir analiz yöntemidir. Duygu analizi deneylerinde başarılı sonuçlar verdiği için günümüzde beyin sinyallerine dayalı, elektroensefalogram (EEG) tabanlı duygu tahmini araştırmaları ilgi çekmektedir. Bu çalışmada boyutsal duygu modellemesi doğrultusunda duygu tahmini analizi için yeni yöntemler önerilmektedir. Uluslararası Afektif Görüntü Sisteminden (IAPS) alınan görseller ile oluşturulmuş veri seti kullanılarak çok kanallı EEG sinyalleri kayıt edilmiştir. Bu veriler üzerinde gerekli olan filtreler uygulanarak veri temizleme ve gürültü giderme ön işlemleri gerçekleştirilmiştir. Daha sonra EEG sinyallerinden çeşitli öznitelikler elde edilmiş ve Destek Vektör Makineleri (DVM) ve K-en yakın komşu gibi sınıflandırma yöntemleri kullanılarak sınıflandırılmıştır. Başarı oranını arttırmak için EEG sinyalleri Çok Değişkenli Görgül Kip Ayrışım (ÇDGKA) yöntemi ile analiz edilerek elde edilen Özgün Kip Fonksiyonlarından (ÖKF) benzer öznitelikler hesaplanmış ve sınıflandırılmıştır. Duygu durum kestirimi için üçüncü bir yöntem olarak derin öğrenme tabanlı bir yaklaşım önerilmiştir. ÇDGKA ile elde edilen ÖKF'lerin zaman-frekans (ZF) gösterimleri Kısa Zamanlı Fourier Dönüşümü (KZFD) ve Spektrogram ile elde edilmiştir. Hesaplanan spektrogram matrisleri ZF imgesi olarak değerlendirilmiş, evrişimsel sinir ağını eğitmek ve duygu durum kestirimi için giriş olarak kullanılmıştır. Önerilen yöntemlerin başarım sonuçları, ÇDGKA gibi ileri sinyal analiz yöntemi ve derin öğrenme yaklaşımı kullanılarak duygu durum kestiriminde başarılı sonuçlar elde edildiğini ve gelecek insan-makine etkileşim sistemlerinde kullanılabileceğini göstermektedir.

Görüntülenme
17
24.10.2022 tarihinden bu yana
İndirme
2
24.10.2022 tarihinden bu yana
Son Erişim Tarihi
12 Aralık 2023 13:35
Google Kontrol
Tıklayınız
method classification methods emotion signals analiz olarak results extracted kullanılarak tahmini ÇDGKA sinyalleri (IAPS) edilmiştir öğrenme features classified kestirimi tabanlı edilen yöntemi Fourier sınıflandırılmıştır öznitelikler labels approach emotional proposed analysis interaction machines prediction sonuçlar başarılı
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
Eser Adı
(dc.title)
Estimation of emotional situation using EEG signals and machine learning methods EEG sinyalleri ve makine öğrenme yöntemlerini kullanılarak duygusal durum kestirimi
Eser Sahibi
(dc.contributor.author)
Yeşilkaya, Bartu
Tez Danışmanı
(dc.contributor.advisor)
Aydın Akan
Yayıncı
(dc.publisher)
Graduate School of Natural and Applied Sciences
Tür
(dc.type)
Yüksek Lisans
Açıklama
(dc.description)
xv, 74 sayfa
Açıklama
(dc.description)
29 cm. 1 CD
Özet
(dc.description.abstract)
ÖZETEmotion estimation is an effective analysis method used to increase the interaction between humans and machines. Electroencephalogram (EEG) based emotion prediction studies based on brain signals become very attractive since they provide successful results of emotion analysis. In this study, new methods for emotion prediction are presented in accordance with dimensional emotion modeling. Multichannel EEG signals are recorded while the subjects viewed pictures from the International Affective Image System (IAPS) data set. Signal preconditioning and artefact elimination was performed by applying necessary filters on the recorded data. Several features are extracted and the signals are classified using classification methods such as support vector machines and K-nearest neighbor. To improve the classification performance, we propose a second method where EEG signals are further analyzed by Multivariate Empirical Mode Decomposition (MEMD) and similar features are extracted from the intrinsic mode functions (IMFs) of the MEMD and classified using machine learning methods. As a third method, Deep Learning (DL) approach is proposed for classification of emotional labels. Time-frequency (TF) representations of the IMFs extracted using MEMD method are calculated by the Short-time Fourier Transform (STFT) and spectrogram. These spectrograms considered as TF images are applied to a Convolutional Neural Network (CNN) to classify the emotional labels. Performance results of the proposed methods suggest that utilizing an advanced signal processing method such as MEMD and using DL approach for classification provides encouraging results and may be used in future human-machine interaction studies.SUMMARYDuygu tahmini insanlar ve makineler arasındaki etkileşimi arttırmak amaçlı kullanılan etkili bir analiz yöntemidir. Duygu analizi deneylerinde başarılı sonuçlar verdiği için günümüzde beyin sinyallerine dayalı, elektroensefalogram (EEG) tabanlı duygu tahmini araştırmaları ilgi çekmektedir. Bu çalışmada boyutsal duygu modellemesi doğrultusunda duygu tahmini analizi için yeni yöntemler önerilmektedir. Uluslararası Afektif Görüntü Sisteminden (IAPS) alınan görseller ile oluşturulmuş veri seti kullanılarak çok kanallı EEG sinyalleri kayıt edilmiştir. Bu veriler üzerinde gerekli olan filtreler uygulanarak veri temizleme ve gürültü giderme ön işlemleri gerçekleştirilmiştir. Daha sonra EEG sinyallerinden çeşitli öznitelikler elde edilmiş ve Destek Vektör Makineleri (DVM) ve K-en yakın komşu gibi sınıflandırma yöntemleri kullanılarak sınıflandırılmıştır. Başarı oranını arttırmak için EEG sinyalleri Çok Değişkenli Görgül Kip Ayrışım (ÇDGKA) yöntemi ile analiz edilerek elde edilen Özgün Kip Fonksiyonlarından (ÖKF) benzer öznitelikler hesaplanmış ve sınıflandırılmıştır. Duygu durum kestirimi için üçüncü bir yöntem olarak derin öğrenme tabanlı bir yaklaşım önerilmiştir. ÇDGKA ile elde edilen ÖKF'lerin zaman-frekans (ZF) gösterimleri Kısa Zamanlı Fourier Dönüşümü (KZFD) ve Spektrogram ile elde edilmiştir. Hesaplanan spektrogram matrisleri ZF imgesi olarak değerlendirilmiş, evrişimsel sinir ağını eğitmek ve duygu durum kestirimi için giriş olarak kullanılmıştır. Önerilen yöntemlerin başarım sonuçları, ÇDGKA gibi ileri sinyal analiz yöntemi ve derin öğrenme yaklaşımı kullanılarak duygu durum kestiriminde başarılı sonuçlar elde edildiğini ve gelecek insan-makine etkileşim sistemlerinde kullanılabileceğini göstermektedir.
Kayıt Giriş Tarihi
(dc.date.accessioned)
02.11.2022
Açık Erişim Tarihi
(dc.date.available)
2022-11-02
Yayın Tarihi
(dc.date.issued)
2020
Yayın Dili
(dc.language.iso)
eng
Konu Başlıkları
(dc.subject)
Biyomedikal teknoloji
Konu Başlıkları
(dc.subject)
EEG sinyalleri
Tek Biçim Adres
(dc.identifier.uri)
https://hdl.handle.net/11469/2771
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve çerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms