داده کاوی سیگنال های سایکوفیزیولوژی و مغزی به منظور ارزیابی استرس هیجانی
هیجانها بهصورت پدیدههای ذهنی، زیستی، هدفمند و اجتماعی هستند که بر کیفیت زندگی انسان تأثیر میگذارند. به این منظور با
طراحی آزمایش مناسب ثبت داده بهدنبال ایجاد استرس هیجانی کوتاه مدت در افراد بودهایم. در زمان اجرای آزمون سیگنالهای
محیطی متعددی نظیر هدایت الکتریکی پوست (SC)، فتوپلتیسموگراف (PPG) و تنفس و سیگنالهای مغزی ثبت گرفته شده است.
بهعلّت وجود فضای عدم قطعیت در سیگنالهای مغزی از سیگنالهای سایکوفیزیولوژی و خود اظهاری سوژهها برای برچسب گذاری
صحیح دادهها استفاده شده است و پس از تعیین نمونههای مناسب از سیگنال EEG ویژگیهای خطی و غیرخطی نظیر ویژگیهای
فرکانسی، آنتروپی و بعد همبستگی استخراج شده، سپس به کمک الگوریتم ژنتیک ویژگیهای بهینه و تأثیرگذار استخراج و به
طبقهبندی کنندههای LDA و Elman داده شده است، تا دو کلاس از استرس هیجانی بهنامهای آرامش و هیجان منفی از یکدیگر
تفکیک شوند. با مشاهده نتایج، طبقهبندی کنندة LDA و Elman توانستهاند به ترتیب دو کلاس از هیجان را با درصد صحت /12 84 و
/45 78 از یکدیگر تفکیک کنند. با مقایسة بین دو طبقهبندی کننده مشاهده میشود، طبقه بندی کنندة دینامیک Elman بهتر توانسته
دادهها را از یکدیگر تفکیک کند. دلیل این امر مشکل طبقهبندی کنندة LDA در ابعاد بالای فضای ویژگی میباشد.
داده کاوی سیگنال های سایکوفیزیولوژی و مغزی به منظور ارزیابی استرس هیجانی
هیجانها بهصورت پدیدههای ذهنی، زیستی، هدفمند و اجتماعی هستند که بر کیفیت زندگی انسان تأثیر میگذارند. به این منظور با
طراحی آزمایش مناسب ثبت داده بهدنبال ایجاد استرس هیجانی کوتاه مدت در افراد بودهایم. در زمان اجرای آزمون سیگنالهای
محیطی متعددی نظیر هدایت الکتریکی پوست (SC)، فتوپلتیسموگراف (PPG) و تنفس و سیگنالهای مغزی ثبت گرفته شده است.
بهعلّت وجود فضای عدم قطعیت در سیگنالهای مغزی از سیگنالهای سایکوفیزیولوژی و خود اظهاری سوژهها برای برچسب گذاری
صحیح دادهها استفاده شده است و پس از تعیین نمونههای مناسب از سیگنال EEG ویژگیهای خطی و غیرخطی نظیر ویژگیهای
فرکانسی، آنتروپی و بعد همبستگی استخراج شده، سپس به کمک الگوریتم ژنتیک ویژگیهای بهینه و تأثیرگذار استخراج و به
طبقهبندی کنندههای LDA و Elman داده شده است، تا دو کلاس از استرس هیجانی بهنامهای آرامش و هیجان منفی از یکدیگر
تفکیک شوند. با مشاهده نتایج، طبقهبندی کنندة LDA و Elman توانستهاند به ترتیب دو کلاس از هیجان را با درصد صحت /12 84 و
/45 78 از یکدیگر تفکیک کنند. با مقایسة بین دو طبقهبندی کننده مشاهده میشود، طبقه بندی کنندة دینامیک Elman بهتر توانسته
دادهها را از یکدیگر تفکیک کند. دلیل این امر مشکل طبقهبندی کنندة LDA در ابعاد بالای فضای ویژگی میباشد.