利用脑电信号与二型模糊VAD空间情绪表示的深度模糊框架进行情绪识别
人机交互
2024-01-17 v1
摘要
近年来，在效价、唤醒度和优势度（VAD）空间中表示情绪已引起足够关注。然而，情绪的复杂本质以及VAD自我报告值中的主观偏差，使得情绪模型过于特定于某一实验。本研究旨在开发一个使用模糊VAD空间表示情绪的通用模型，并利用这种表示改进情绪识别。我们使用低、中、高二型模糊维度将清晰的VAD空间划分为模糊VAD空间来表示情绪。我们开发了一个将模糊VAD空间与脑电图（EEG）数据相结合的框架来识别情绪。EEG特征利用时频谱图中的空间和时间特征向量进行提取，同时受试者报告的VAD值也被考虑在内。该研究在DENS数据集上进行，该数据集包含广泛的二十四种情绪，以及EEG数据和主观评分。研究使用基于二型模糊表示、长方体概率格表示和无监督模糊情绪聚类的多种深度模糊框架模型进行了验证。对于24类情绪，这些模型分别取得了96.09%、95.75%和95.31%的情绪识别准确率。研究还包括消融实验，一个使用清晰VAD空间，另一个不使用VAD空间。使用清晰VAD空间的结果表现更好，而深度模糊框架则优于这两个模型。该模型被扩展用于预测跨受试者的情绪案例，取得了78.37%的准确率，结果令人鼓舞，证明了我们模型的通用性。所开发模型的通用性及其成功的跨受试者预测，为情感计算、人机交互和心理健康监测等领域的实际应用指明了方向。
引用
@article{arxiv.2401.07892,
title = {Deep Fuzzy Framework for Emotion Recognition using EEG Signals and Emotion Representation in Type-2 Fuzzy VAD Space},
author = {Mohammad Asif and Noman Ali and Sudhakar Mishra and Anushka Dandawate and Uma Shanker Tiwary},
journal= {arXiv preprint arXiv:2401.07892},
year = {2024}
}