揭示自我：基于脑波的人类特征识别
机器学习
2024-12-30 v1 图像与视频处理
神经元与认知
摘要
人们在相同情境下表现出独特的情感反应。例如，一个人对吸烟的邀请的反应可能与另一个人对睡眠质量询问的反应截然不同。通过观察常见物理参数来识别这些个体特征的识别，为心理分析、犯罪学、疾病预测、成瘾控制等应用开辟了道路。虽然心理计量学、惯性传感器、计算机视觉和音频分析领域已有相关研究，但本文提出了一种新颖技术，通过脑波数据实时识别人类特征。为实现此目标，我们对来自 80 名参与者的脑波数据进行了广泛研究，使用盒线图进行统计分析。我们的分析揭示了若干新见解，导致我们提出一种基于机器学习技术的统一方法，用于通过 EEG 数据识别多样化的人类特征。我们的分析表明，该方案 achieves 高准确率。此外，我们探讨两种深度学习模型以比较本方案的性能。因此，我们基于分析见解开发了一个集成的、实时的基于 EEG 数据的人类特征识别解决方案。为验证我们的方案，进行了针对额外 20 名参与者的严格用户评估。该评估结果表明该方法在准确率和用户满意度方面均表现出色，强化了其作为通用人类特征识别解决方案的稳健潜力。
引用
@article{arxiv.2412.19041,
title = {Revealing the Self: Brainwave-Based Human Trait Identification},
author = {Md Mirajul Islam and Md Nahiyan Uddin and Maoyejatun Hasana and Debojit Pandit and Nafis Mahmud Rahman and Sriram Chellappan and Sami Azam and A. B. M. Alim Al Islam},
journal= {arXiv preprint arXiv:2412.19041},
year = {2024}
}
备注
11th International Conference on Networking, Systems, and Security (NSysS '24)