面向计算机游戏实时情感识别的自适应高斯模糊分类器
机器学习
2021-03-08 v1 人工智能
人机交互
摘要
人类情感识别已成为对更逼真、更具交互性的机器与计算机系统的一项需求。最大的挑战在于具备高性能算法，以有效处理生理数据流中的个体差异与非平稳性，即无需特定受试者校准数据便能自我定制以适应用户的算法。我们描述了一种演化高斯模糊分类器（eGFC），其由在线半监督学习算法支撑，从脑电图（EEG）数据流中识别情感模式。我们从 EEG 数据的傅里叶谱中提取特征。数据由 28 名个体游玩游戏“Train Sim World”、“Unravel”、“Slender The Arrival”与“Goat Simulator”（一个公开数据集）提供。不同的情感占主导，即无聊、平静、恐惧与喜悦。我们分析了单个电极、时间窗长度与频带对用户无关 eGFC 精度的影响。我们得出结论：两侧大脑半球均可能辅助分类，尤其是额叶（Af3-Af4）、枕叶（O1-O2）与颞叶（T7-T8）区域的电极。我们观察到模式最终可在任意频带中发现；然而，Alpha（8-13Hz）、Delta（1-4Hz）与 Theta（4-8Hz）频带按此顺序与情感类别相关性最高。eGFC 已证明对 EEG 数据的实时学习有效。在高度随机的时变四分类问题中，使用可变规则库、10 秒窗口与 1.8ms/样本处理时间，其达到了 72.2% 的准确率。
引用
@article{arxiv.2103.03488,
title = {Adaptive Gaussian Fuzzy Classifier for Real-Time Emotion Recognition in Computer Games},
author = {Daniel Leite and Volnei Frigeri and Rodrigo Medeiros},
journal= {arXiv preprint arXiv:2103.03488},
year = {2021}
}
备注
7 pages, 6 figures, Fuzz-IEEE 2021, Luxembourg