跳到主要內容

臺灣博碩士論文加值系統

(44.222.64.76) 您好!臺灣時間:2024/06/13 09:05
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:趙茂林
研究生(外文):CHAO, MAO-LIN
論文名稱:以人類腦波資料與機器學習方法為基礎之情緒辨識
論文名稱(外文):Emotion Recognition Based on Human Brainwave Data and Machine Learning Methods
指導教授:黃福銘黃福銘引用關係
指導教授(外文):HUANG, FU-MING
口試委員:馬尚彬蘇育生黃福銘
口試委員(外文):MA, SHANG-PINSU, YU-SHIENHUANG, FU-MING
口試日期:2020-07-19
學位類別:碩士
校院名稱:東吳大學
系所名稱:巨量資料管理學院碩士學位學程
學門:電算機學門
學類:電算機應用學類
論文種類:學術論文
論文出版年:2020
畢業學年度:108
語文別:中文
論文頁數:74
中文關鍵詞:腦電波圖腦機介面情緒分析
外文關鍵詞:EEGBCIEmotion Recognition
相關次數:
  • 被引用被引用:0
  • 點閱點閱:947
  • 評分評分:
  • 下載下載:167
  • 收藏至我的研究室書目清單書目收藏:1
近年來腦電波(EEG)的應用在各學術與醫療領域已越來越普及,其所具備之經濟、安全與方便的特性是主要原因,相關的研究也日益見到其重要性,尤其是關於在人機介面上的整合應用上。如果能透過儀器偵測出人的確實「意念」,並將轉譯後的資訊用來操控機器裝置,使其滿足人的需求,在未來各領域的廣泛應用將有著不可限量的發展。情緒是一個複雜的生理過程與心理現象,是人類外感官與內感官所生成的「產品」,而透過腦波被呈現與記錄下來。在主體遭遇到外在環境的變化,又或是內心世界出現起伏時,它反映了內在心理活動的狀態。人體中的大腦皮質可謂是喜怒哀樂等情緒的反應場所,承載了人類真實的狀態,也凸顯出情緒辨識位處於人機介面整合中一項重要的因素,而當中的基礎即落在「腦波辨識」這個領域。因此將如何透過大腦皮質層的電位變化記錄,並做出精準判讀腦電波來控制機器與改善人們的生活,將大幅裨益人機介面的應用更為廣泛。不過,腦電波相當容易受到如自發性腦波律動、生理雜訊和外部干擾等因素所影響,有時腦電波也會隨著受試者的生理狀態而產生幅度不小的改變,導致腦機介面裝置也必須經常做出校正以求達成高準確率,增添在腦波辨識上的難度。
本研究意圖能以普及化與適用性高(便宜又輕巧)的方式推動腦機介面與生活關的各方面應用,因此透過對EEG的精確解讀會是較佳的選項,也是目前研究階段所偏向進行的方式。情緒反映在EEG中佔有重要的位置,故而如何從情緒辨識的研究工作中,找出高度相關的腦電波區域,將可裨益我們在應用腦機介面的裝置時,更有效率地透過刺激誘發電位的技術來引起各種基本能力需求的腦電波,藉以改善人類的生活。

In recent years, the application of electroencephalogram (EEG) has become more and more popular in various academic and medical fields. Its economic, safety and convenience characteristics are the main reasons, and related research has increasingly seen its importance, especially regarding integrated application on Brain-computer interface (BCI). Emotion is a complex physiological process and psychological phenomenon. When it encounters changes in the external environment and the ups and downs of the inner world, it reflects the state of inner psychological activities. The cerebral cortex in the human body can be described as a reaction place for emotions such as emotions, emotions, and emotions. An emotion is an important factor in the integration of human-machine interfaces. Through the recording of potential changes in the cerebral cortex, and by interpreting brain waves to control machines and improve people Life, the application of human-machine interface will also be more extensive. However, brain waves are easily affected by factors such as spontaneous brain wave rhythm, physiological noise, and external interference. Sometimes brain waves will also change according to the physiological state of the subject, so that the brain computer interface device must Corrections are often made to achieve high accuracy.
The purpose of this research is to promote the application of brain-computer interfaces and life-related methods in a popularized and highly applicable manner, so a precise interpretation of EEG would be a better option. Therefore, how to find highly relevant brain wave areas from the research work of emotion recognition will help us to use the brain-computer interface device to more efficiently use the technology of stimulating evoked potentials to cause brains with various basic ability needs Radio waves are used to improve human life.

謝誌 ……………………………………………………………………………………… II
中文摘要 ………………………………………………………………………………… III
英文摘要 ………………………………………………………………………………… IV
目錄 ……………………………………………………………………………………… V
圖目錄 …………………………………………………………………………………… VII
表目錄 …………………………………………………………………………………… IX
第一章 導論 ………………………………………………………………………… 1
第一節 研究背景  ……………………………………………………… 3
第二節 研究動機  ……………………………………………………… 4
第三節 研究目的  ……………………………………………………… 7
第二章 文獻探討 …………………………………………………………………… 9
第一節 基本知識介紹 …………………………………………………… 9
第二節 欲發展的題目與解決的方式 …………………………………… 18
第三節 解決方案與相關的研究 ………………………………………… 20
第四節 相關理論與演算法 ……………………………………………… 21
第三章 研究方法 …………………………………………………………………… 26
第一節 資料來源 ………………………………………………………… 26
第二節 資料結構 ………………………………………………………… 30
第三節 研究方法設計 …………………………………………………… 32
第四章 實驗與結果  ……………………………………………………………… 35
第一節 實驗步驟介紹 …………………………………………………… 35
第二節 蒐集腦波資料 …………………………………………………… 35
第三節 資料前處理 ……………………………………………………… 38
第四節 對照組與實驗組的設置 ………………………………………… 43
第五節 觀察結果與比較 ………………………………………………… 48
第五章 結論與未來展望 …………………………………………………………… 58
參考文獻 
  中文文獻 ………………………………………………………………………… 62
  英文文獻 ………………………………………………………………………… 63
  網路資料 ………………………………………………………………………… 65

中文文獻
1.陳有圳、朱姍姍、陳志昌(2009)。應用SVM於腦波情緒辨識。行政院國家科學委員會專題研究計畫成果報告。(資料來源:https://pdfs.semanticscholar.org/897b/c865e8538b93765f33e2cd628f363d4f4731.pdf)
2.龔俊嘉、林君昱、謝淑蘭(2010)。非侵入性大腦活動檢測儀器對於認知神經科學研究的貢獻與限制,心理學門熱門前瞻研究,11卷4期, 99-106。
3.林遠彬(2011)。學位論文:基於腦波頻譜變化探討聆聽音樂之情緒反應。台灣大學。
4.盧長延、李國瑋、李俊宏(2013)。腦波人機介面之實現。(資料來源:http://csie2.nhu.edu.tw/download.php?filename=1237_1359ba25.pdf&dir=archive&title=97%E7%B4%9A--8.%E5%B0%8F%E8%AB%96%E6%96%87-%E8%85%A6%E6%B3%A2%E4%BA%BA%E6%A9%9F%E4%BB%8B%E9%9D%A2%E4%B9%8B%E5%AF%A6%E7%8F%BE)
5.姜琇森、蕭國倫、吳哲維(2013)。神經回饋融入兒童專注力訓練之腦波遊戲設計與研究。
6.張香治(2013)。學位論文:自動校正穩態視覺誘發電位大腦人機介面的開發。國立中央大學。
7.丁于淵(2014)。學位論文:從腦波識別進行情緒感知之研究。佛光大學。
8.林峰名(2015)。學位論文:應用fMRI與EEG探討大腦對事物喜好之反應。國立台南大學。
9.宋承穎(2016)。學位論文:專注與放鬆腦波辨識之研究。國立台北科技大學。
10.張菀珍、葉榮木、蔡俊明、洪偉哲(2017)。利用支持向量機及小波轉換進行人腦電波的情緒鑑別。資訊科學應用期刊,7卷2期, 79-104。
11.柯霍(Christof Koch, 2018),謝伯讓譯。劃分意識的界線。科學人,No.193,2018年3月號。

英文文獻
1.Birbaumer N. and Ghanayim, N. and Hinterberger, T. and Iversen, I., Kotchoubey, B. and Kübler, A. and Perelmouter, J. and Taub, E. and Flor, H., A Spelling Device for the paralyzed, Nature(398),1999, pp. 297-298.
2.Chen, J., Hung, T., Lin, J., Lo, L., Kao, J., Hung, C., Chen, Y., and Lai, Z. “Effects of anxiety on EEG coherence during dart throw,” The 2005 World Congress of the International Society for Sport Psychology, Sydney, Australia, 2005.
3.Emily Carlson, Suvi Saarikallio, Petri Toiviainen, Brigitte Bogert, Marina Kliuchko,and Elvira Brattico, Maladaptive and adaptive emotion regulation through music: a behavioral and neuroimaging study of males and females, Front Hum Neurosci 9: 466, 2015.
4.Engberg, I.S. and Hansen, A.V. Documentation of the Danish emotional speech database (DES). Internal AAU Report, Center for Person Kommunikation, Denmark,1996.
5.Grunewald-Zuberbier, E., Grunewald, G., and Raske, A. “Hyperactive behavior and EEG arousal reactions in childhood,” EEG and Clinical Neurophysiology (38), 1975, pp. 149-159.
6.John Chuang, Nick Merrill, Thomas Maillart, and Students of the UC Berkeley Spring 2015 MIDS Immersion Class. "Synchronized Brainwave Recordings from a Group Presented with a Common Audio-Visual Stimulus (May 9, 2015)." May 2015. (資料集來源)
7.Onton, J., Delorme, A., and Makeig, S. “Frontal midline EEG dynamics during working memory,” NeuroImage (27), 2005, pp. 341-356.
8.Paeschke, A. and Sendlmeier, W., Prosodic characteristics of emotional speech: measurements of fundamental frequency movements. In: Proc. ISCA ITRW on Speech and Emotion. Belfast, 2000, pp. 75-80.
9.Pfurtscheller, G., and Klimesch, W. “Functional topography during a visuoverbal judgment task studied with event-related desynchronization mapping,” Journal of Clinical Neurophysiology (9:1), 1992, pp. 120-131.
10.Pfurtscheller, G., Neuper, C., Guger, C., Harkam, W., Ramoser, H., Schlögl, A., Obermaier, B., Pregenzer, M., Current Trends in Graz Brain–Computer Interface (BCI). IEEE TRANSACTIONS ON REHABILITATION ENGINEERING., Vol. 8, Issue 2, 2000, pp. 216-219.
11.Sauseng, P., Klimesch, W., Schabus, M., and Doppelmayr, M. “Fronto-parietal EEG coherence in theta and upper alpha reflect central executive functions of working memory,” International Journal of Psychophysiology (57), 2005, pp. 97-103.
12.Sauseng, P., Hoppe, J., Klimesch, W., Gerloff, C., and Hummel, F. “Dissociation of sustained attention from central executive functions: Local activity and interregional connectivity in the theta range,” European Journal of Neuroscience (25), 2007, pp. 587-593.
13.Wolpaw J.R., McFarland D.J., Neat G.W., Forneris G.W.,: An EEG-based brain-computer interface for cursor control, Electroencephalography and ClinicalNeurophysiology(78), 1991, pp. 252-259.

網路資料
1.零距離科學:再生醫學與幹細胞療法,為脊髓損傷患者重燃希望。https://www.thenewslens.com/article/131578
2.林三永(2011)。何謂腦波? https://sa.ylib.com/MagArticle.aspx?Unit=easylearn&id=1820
3.維基百科:事件相關電位。https://zh.wikipedia.org/wiki/事件相關電位
4.喻守謙(2016)。讓身障者重掌生活,念動機械手臂新突破。https://scitechvista.nat.gov.tw/c/sZyz.htm
5.吳顯東(2013)。腦波控制的世界-腦機介面發展趨勢分析。https://mic.iii.org.tw/aisp/FreeS.aspx?id=3024
6.段正仁(2019)。起心動念—談腦機介面的發展與應用。https://scitechvista.nat.gov.tw/c/sTgj.htm
7.維基百科:辯證法。https://zh.wikipedia.org/wiki/辯證法
8.機器學習之KNN最鄰近分類演算法。https://www.itread01.com/content/1544374641.html
9.維基百科:決策樹。https://zh.wikipedia.org/wiki/決策樹
10.機器學習演算法—隨機森林(Random Forest)懶人包。http://hn28082251.blogspot.com/2018/07/random-forest.html


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊