利用支持向量机和小波转换进行人脑电波的情绪鉴别.PDFVIP

67 利用支持向量機及小波轉換進行人腦電波的情緒鑑別 1 2 ＊ 3 4 張菀珍 、葉榮木 、蔡俊明 、洪偉哲 1 國立中正大學成人及繼續教育學系 2.4 國立臺灣師範大學機電科技學系 3 台北市立教育大學數學資訊教育學系 ＊e-mail: zongmu@.tw 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。 關鍵詞 ：腦電波、情緒鑑別、小波轉換、支持向量機。 1 68 EEG-based emotion recognition using support vector machine and wavelet transform Wan-Jen Chang1 Zong-Mu Yeh2 ＊ Chun-Ming Tsai3 and Wei-Che Hung4 1Department of Adult and Continuing Education National Chung Cheng University 2.4Department of Mechatronic Technology National Taiwan Normal University 3Department of Mathematic and Computer Science Education Taipei Municipal Uni