面向神经人文学的基于主成分分析与树模型的实时脑电情感识别模型

在人文学科领域，教育创新的需求已得到公认，因为目前尚无报道的工具能使个体与环境互动以在人文学科中创造增强的学习体验（例如沉浸式空间）。本项目提出了一种填补这一空白的解决方案，通过整合技术并促进人文学科教学方法的发展，具体而言，是在沉浸式空间内的人文语境学习过程中引入情感监测。为实现这一目标，开发了一个基于 EEG 的实时情感检测系统，用于解释和分类特定情感。这些情感与 Descartes 的早期提议（《激情论》）相一致，包括惊叹、爱、恨、渴望、喜悦和悲伤。该系统旨在将情感数据整合到神经人文学实验室交互平台中，创造一个全面且沉浸式的学习环境。本研究开发了一个机器学习实时情感检测模型，每 5 秒提供一次 Valence、Arousal 和 Dominance（VAD）估计。使用 PCA、PSD、RF 和 Extra-Trees，提取了最佳的 8 个通道及其各自的最佳频带功率；此外，使用基于偏移的数据划分和交叉验证评估了多个模型。在评估其性能后，Extra-Trees 达到了 96% 的总体准确率，高于文献报道的水平（88% 准确率）。所提模型提供了 VAD 变量的实时预测，并被改造用于分类 Descartes 的六种主要激情。然而，利用获得的 VAD 值，可以分类超过 15 种情感（如 VAD 情感映射中所报道），从而扩展了该应用的范围。