Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFABC |
Texto Completo: | http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124794 |
Resumo: | Orientadora: Profa. Dra. Aline de Oliveira Neves Panazio |
id |
UFBC_8e12c7338b5d6661ca57188743429514 |
---|---|
oai_identifier_str |
oai:BDTD:124794 |
network_acronym_str |
UFBC |
network_name_str |
Repositório Institucional da UFABC |
repository_id_str |
|
spelling |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoçõesELETROENCEFALOGRAMAEEGCLASSIFICAÇÃO DE EMOÇÕESREDUÇÃO DE DIMENSIONALIDADEINFORMAÇÃO MÚTUAPRINCIPAL COMPONENT ANALYSISEMOTION CLASSIFICATIONDIMENSIONALITY REDUCTIONMUTUAL INFORMATIONMINIMUM REDUNDANCY MAXIMUM RELEVANCEWRAPPERPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCOrientadora: Profa. Dra. Aline de Oliveira Neves PanazioDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, Santo André, 2022.A classificação de emoções através do uso de sinais de EEG é um assunto que tem atraído a atenção de pesquisadores de diversas áreas, inclusive relacionado ao desenvolvimento de interfaces cérebro-máquina. Neste trabalho, focamos na etapa de redução de dimensionalidade, necessária antes da etapa de classificação. Foram testados o clássico método baseado em Análise por Componentes Principais (PCA) e também o método Máxima Relevância Mínima Redundância (mRMR). Propomos uma alteração no método de Máxima Relevância Mínima Redundância (mRMR) de forma a trabalhar com o sinal de EEG sem a necessidade de discretizar. Mostramos como o método proposto melhora significativamente o desempenho dos classificadores quando comparado ao clássico PCA ou mesmo ao uso de todas as informações disponíveis. Uma análise detalhada do mRMR discreto também foi incluída neste trabalho, além da comparação dos métodos citados com o clássico Backward Wrapper.Emotion classification through EEG signals has attracted the attention of researchers in several fields, including those studying brain-computer interfaces. This work focus on feature selection necessary to achieve a good classification performance. We started with the classic Principle Component Analysis (PCA) and the Maximum Relevance Minimum Redundance method (mRMR) . We proposed a modification on the Maximum Relevance Minimum Redundance method, applying it to EEG signals without the need of a discretization step. We show how the proposed method significantly improves the classifiers performance when compared to the use of classical PCA. We also included a detailed analysis of the discrete mRMR, and also a comparison of the methods mentionned above with the well known Backward Wrapper method.Panazio, Aline de Oliveira NevesTakahata, André KazuoLeite, Sarah Negreiros de CarvalhoSerafim, Leandro Abidias da Silva2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf75 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124794http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124794&midiaext=80996Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=124794porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2023-09-04T19:01:29Zoai:BDTD:124794Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2023-09-04T19:01:29Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false |
dc.title.none.fl_str_mv |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções |
title |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções |
spellingShingle |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções Serafim, Leandro Abidias da Silva ELETROENCEFALOGRAMA EEG CLASSIFICAÇÃO DE EMOÇÕES REDUÇÃO DE DIMENSIONALIDADE INFORMAÇÃO MÚTUA PRINCIPAL COMPONENT ANALYSIS EMOTION CLASSIFICATION DIMENSIONALITY REDUCTION MUTUAL INFORMATION MINIMUM REDUNDANCY MAXIMUM RELEVANCE WRAPPER PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC |
title_short |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções |
title_full |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções |
title_fullStr |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções |
title_full_unstemmed |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções |
title_sort |
Estudo de técnicas de redução de dimensionalidade aplicadas a EEG para reconhecimento de emoções |
author |
Serafim, Leandro Abidias da Silva |
author_facet |
Serafim, Leandro Abidias da Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Panazio, Aline de Oliveira Neves Takahata, André Kazuo Leite, Sarah Negreiros de Carvalho |
dc.contributor.author.fl_str_mv |
Serafim, Leandro Abidias da Silva |
dc.subject.por.fl_str_mv |
ELETROENCEFALOGRAMA EEG CLASSIFICAÇÃO DE EMOÇÕES REDUÇÃO DE DIMENSIONALIDADE INFORMAÇÃO MÚTUA PRINCIPAL COMPONENT ANALYSIS EMOTION CLASSIFICATION DIMENSIONALITY REDUCTION MUTUAL INFORMATION MINIMUM REDUNDANCY MAXIMUM RELEVANCE WRAPPER PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC |
topic |
ELETROENCEFALOGRAMA EEG CLASSIFICAÇÃO DE EMOÇÕES REDUÇÃO DE DIMENSIONALIDADE INFORMAÇÃO MÚTUA PRINCIPAL COMPONENT ANALYSIS EMOTION CLASSIFICATION DIMENSIONALITY REDUCTION MUTUAL INFORMATION MINIMUM REDUNDANCY MAXIMUM RELEVANCE WRAPPER PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC |
description |
Orientadora: Profa. Dra. Aline de Oliveira Neves Panazio |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124794 |
url |
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124794 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124794&midiaext=80996 Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=124794 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 75 f. : il. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFABC instname:Universidade Federal do ABC (UFABC) instacron:UFABC |
instname_str |
Universidade Federal do ABC (UFABC) |
instacron_str |
UFABC |
institution |
UFABC |
reponame_str |
Repositório Institucional da UFABC |
collection |
Repositório Institucional da UFABC |
repository.name.fl_str_mv |
Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC) |
repository.mail.fl_str_mv |
|
_version_ |
1801502111792365568 |