Fugu-MT 論文翻訳(概要): Human Emotion Recognition Based On Galvanic Skin Response signal Feature Selection and SVM

論文の概要: Human Emotion Recognition Based On Galvanic Skin Response signal Feature Selection and SVM

arxiv url: http://arxiv.org/abs/2307.05383v1
Date: Tue, 4 Jul 2023 02:47:42 GMT
ステータス: 処理完了
システム内更新日: 2023-07-16 03:43:33.034386
Title: Human Emotion Recognition Based On Galvanic Skin Response signal Feature Selection and SVM
Title（参考訳）: ガルバニック皮膚反応信号の特徴選択とSVMに基づく人間の感情認識
Authors: Di Fan, Mingyang Liu, Xiaohan Zhang, Xiaopeng Gong
Abstract要約: 本稿では,自動選択したGalvanic Skin Response (GSR)信号の特徴に基づく人間の感情認識手法とSVMを提案する。実験結果から,提案手法は人間の感情認識に優れ,認識精度は66.67%以上であることが示唆された。
参考スコア（独自算出の注目度）: 2.8987997435171935
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A novel human emotion recognition method based on automatically selected Galvanic Skin Response (GSR) signal features and SVM is proposed in this paper. GSR signals were acquired by e-Health Sensor Platform V2.0. Then, the data is de-noised by wavelet function and normalized to get rid of the individual difference. 30 features are extracted from the normalized data, however, directly using of these features will lead to a low recognition rate. In order to gain the optimized features, a covariance based feature selection is employed in our method. Finally, a SVM with input of the optimized features is utilized to achieve the human emotion recognition. The experimental results indicate that the proposed method leads to good human emotion recognition, and the recognition accuracy is more than 66.67%.
Abstract（参考訳）: 本稿では,自動選択したGalvanic Skin Response (GSR)信号の特徴に基づく人間の感情認識手法とSVMを提案する。 GSR信号はE-Health Sensor Platform V2.0によって取得された。そして、ウェーブレット関数によってデータをデノーズし、正規化して個々の差を除去する。正規化データから30個の特徴を抽出するが、これらの特徴を直接使用すると認識率が低下する。本手法では,最適化機能を得るために,共分散に基づく特徴選択を行う。最後に、最適化された特徴を入力したSVMを用いて人間の感情認識を実現する。実験の結果,提案手法は人間の感情認識に適しており,認識精度は66.67%以上であることがわかった。

関連論文リスト

Machine Learning-based sEMG Signal Classification for Hand Gesture Recognition [3.9440964696313485]
筋電図(EMG)信号を用いて手の動きを解析・分類する。本稿では,新しい特徴抽出手法を用いてEMGに基づく手動作認識の性能をベンチマークすることを目的とする。
論文参考訳（メタデータ） (2024-11-23T21:29:51Z)
PSO Fuzzy XGBoost Classifier Boosted with Neural Gas Features on EEG Signals in Emotion Recognition [0.9790236766474201]
本研究では, ニューラルネットワーク(NGN), XGBoost, Particle Swarm Optimization (PSO) とファジィ論理を統合し, 生理的信号を用いた感情認識の促進を図る。 NGNは予め定義されたグリッド構造を使わずに入力空間に適応し、生理的データから特徴抽出を改善する。ファジィ論理を組み込むことにより、人間の意思決定を模倣する推論を導入することでファジィデータの処理が可能になる。
論文参考訳（メタデータ） (2024-07-13T17:15:23Z)
Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文参考訳（メタデータ） (2024-04-05T20:39:16Z)
An Extended Variational Mode Decomposition Algorithm Developed Speech Emotion Recognition Performance [15.919990281329085]
本研究では,有意な音声特徴を識別するための変分モード分解アルゴリズムであるVGG-optiVMDを提案する。様々な特徴ベクトルを用いて、異なるデータベース上のVGG16ネットワークをトレーニングし、VGG-optiVMDと信頼性を評価する。その結果,信号サンプル率の微調整と分解パラメータとの相乗関係を分類精度で確認した。
論文参考訳（メタデータ） (2023-12-18T05:24:03Z)
A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文参考訳（メタデータ） (2023-07-06T10:38:14Z)
Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
論文参考訳（メタデータ） (2022-02-16T00:23:42Z)
EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文参考訳（メタデータ） (2021-10-19T14:22:04Z)
Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文参考訳（メタデータ） (2021-03-01T08:31:08Z)
Optimizing Speech Emotion Recognition using Manta-Ray Based Feature Selection [1.4502611532302039]
既存の特徴抽出手法を用いて抽出した特徴の連結により,分類精度が向上することを示す。また,音声感情認識タスクにおけるマンタレイ最適化の新たな応用を行い,その結果を得た。
論文参考訳（メタデータ） (2020-09-18T16:09:34Z)
Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-01-31T17:47:16Z)
Ensemble emotion recognizing with multiple modal physiological signals [9.406420908566517]
異なる感情に対する複数のモーダル生理的信号を用いた感情分類モデルを提案する。 DEAPデータセットのベンチマークで実験を行う。 4段階のタスクでは、平均的な分類精度は90.74であり、安定性がよい。
論文参考訳（メタデータ） (2020-01-01T11:44:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。