مریم مومنی

احساس، حالت روان‌شناختی پیچیده‌ای است که در واکنش به شرایط یا رویداد در انسان‌ها ایجاد می-شود. احساس، بازتابی از وضعیت روانی یا جسمی فرد است، و نقش بسیار مهمی در ادراک و تصمیم‌گیری دارد. تشخیص احساس، برای تعامل انسان و رایانه (HCI) ضروری است. تشخیص احساس می‌تواند به طور گسترده در ربات خدمات، تشخیص پزشکی، سرگرمی، حمل و نقل هوشمند و غیره مورد استفاده قرار گیرد. با توسعه فناوری HCI، تشخیص احساس با استفاده از سیگنال الکتریکی مغز یا الکتروانسفالوگرام (EEG) مورد توجه پژوهش‌گران قرار گرفته است. سیگنال‌های EEG با الگوهای منسجم در فضا و زمان مشخص می‌شوند، روش‌های محاسباتی موجود، معمولاً به تجزیه و تحلیل در فضا یا زمان به طور جداگانه محدود می‌شوند. در این پایان‌نامه، برای تجزیه و تحلیل سیگنال‌های EEG، از روش تجزیه‌ حالت پویا (DMD) که داده‌های پویای با ابعاد بالا را با استفاده از حالت‌های مکانی-زمانی جفت شده توصیف می‌کند، استفاده شده است. برای تأیید اثر‌بخشی روش پیشنهادی، از مجموعه داده‌ی DEAP استفاده شده است. در این مجموعه داده، داده‌های 32 شرکت کننده (16 مرد و 16 زن) که در حال تماشای نماهنگ ‌های یک دقیقه‌ای با موضوعات مختلف بودند، با استفاده از 32 الکترود EEG و 8 الکترود محیطی ثبت شده و در اختیار عموم قرار گرفته است . در این پایاننامه، برای تشخیص احساس، از سیگنال‌های EEG، از جنگل تصادفی و افزایش تطبیقی به عنوان طبقه‌بند استفاده شده است. با استفاده از جنگل تصادفی در سطح ظرفیت و افزایش تطبیقی در سطح برانگیختگی مجموعه داده‌ DEAP، دقت‌های قابل قبولی به دست آمده است. نتایج نشان می‌دهند که روش پیشنهادی در مقایسه با برخی از روش‌های موجود، عملکرد قابل قبولی داشته است.