Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: RACHED, Taciana Saad.
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UFCG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223
Resumo: As emoções humanas são fundamentais para a interação entre indivíduos, assim como também com as maquinas. Diferente de uma interação humano-humano, onde um ser humano interpreta o comportamento emocional de outro, na interação humano-maquina, a ultima e incapaz de compreender os sentimentos de um individuo, o que dificulta a interação entre os mesmos. Nesse cenário, a computação afetiva e uma área de pesquisa recente, na qual o objetivo e reconhecer as emoções de um individuo durante sua interação com uma maquina. tornando-a mais simples, fácil e agradável. Existem diversas fontes de dados usadas no reconhecimento das emoções, como as expressões faciais, sinais de voz, linguagem corporal, sinais fisiológicos e sinais cerebrais. Os sinais cerebrais são a fonte de dados mais confiável no reconhecimento das emoções, pois diferentemente dos sinais de voz, expressões faciais e corporais, não são passiveis de falsas simulações e interpretação ambígua. Apesar de ser uma importante fonte. de dados, a maioria dos sistemas de detecção afetiva baseados em sinais cerebrais discutidos na literatura são livres de contexto. Esse fato implica em um grave problema para o reconhecimento das emoções, uma vez que o contexto e fundamental na identificação das mesmas. Nesse trabalho e introduzido um método para a detecção das emoções humanas a partir da fusão de informações do contexto de um individuo com seus sinais cerebrais. O método e composto por duas componentes: os sinais cerebrais e o contexto. Para avaliar o método proposto foram desenvolvidos três estudos de caso. No primeiro estudo de caso o objetivo foi avaliar a componente do método referente aos sinais cerebrais. Os sinais de EEG de um banco de dados foram processados e classificados em emoções com os algoritmos definidos para esse fim. No segundo estudo de caso o objetivo foi a avaliação da componente do método relativa ao contexto. As variáveis relevantes para caracterização do contexto foram identificadas e suas influencias foram definidas. 0 contexto foi classificado nas emoções dos participantes. Por fim, no terceiro estudo de caso, o método proposto nessa Tese foi avaliado considerando-se suas duas componentes. Os sinais cerebrais e o contexto foram classificados nas emoções dos participantes.
id UFCG_17689a4b24d30dc3b3ccc123fdb49a39
oai_identifier_str oai:localhost:riufcg/18223
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str
spelling Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.Classification of human emotions with a two-dimensional approach based on context information and electroencephalography signals.Emoções humanas - classificaçãoSinais de eletroencefalografiaEletroencefalografiaComputação afetivaCérebro e as emoçõesSinais cerebraisReconhecimento das emoções por máquinaHuman emotions - classificationElectroencephalography signsElectroencephalographyAffective computingBrain and emotionsBrain signsRecognition of emotions by machineAs emoções humanas são fundamentais para a interação entre indivíduos, assim como também com as maquinas. Diferente de uma interação humano-humano, onde um ser humano interpreta o comportamento emocional de outro, na interação humano-maquina, a ultima e incapaz de compreender os sentimentos de um individuo, o que dificulta a interação entre os mesmos. Nesse cenário, a computação afetiva e uma área de pesquisa recente, na qual o objetivo e reconhecer as emoções de um individuo durante sua interação com uma maquina. tornando-a mais simples, fácil e agradável. Existem diversas fontes de dados usadas no reconhecimento das emoções, como as expressões faciais, sinais de voz, linguagem corporal, sinais fisiológicos e sinais cerebrais. Os sinais cerebrais são a fonte de dados mais confiável no reconhecimento das emoções, pois diferentemente dos sinais de voz, expressões faciais e corporais, não são passiveis de falsas simulações e interpretação ambígua. Apesar de ser uma importante fonte. de dados, a maioria dos sistemas de detecção afetiva baseados em sinais cerebrais discutidos na literatura são livres de contexto. Esse fato implica em um grave problema para o reconhecimento das emoções, uma vez que o contexto e fundamental na identificação das mesmas. Nesse trabalho e introduzido um método para a detecção das emoções humanas a partir da fusão de informações do contexto de um individuo com seus sinais cerebrais. O método e composto por duas componentes: os sinais cerebrais e o contexto. Para avaliar o método proposto foram desenvolvidos três estudos de caso. No primeiro estudo de caso o objetivo foi avaliar a componente do método referente aos sinais cerebrais. Os sinais de EEG de um banco de dados foram processados e classificados em emoções com os algoritmos definidos para esse fim. No segundo estudo de caso o objetivo foi a avaliação da componente do método relativa ao contexto. As variáveis relevantes para caracterização do contexto foram identificadas e suas influencias foram definidas. 0 contexto foi classificado nas emoções dos participantes. Por fim, no terceiro estudo de caso, o método proposto nessa Tese foi avaliado considerando-se suas duas componentes. Os sinais cerebrais e o contexto foram classificados nas emoções dos participantes.Human emotions are fundamental to the way in which individuals interact with each other, as well as with machines. Unlike the human-human interaction, where a human understands another's emotional behavior, in the human-machine interaction, the last one is unable of understand the feelings of a person, which makes hard the interaction process among them. In this scenario, affective computing is a recent research area aiming at the recognition of human emotions during the interaction with a machine, making it simpler, easier and enjoyable. Several data sources are used for emotion recognition, such as facial expressions, voice signals, body language, psychological and brain signals. Brain signals are the most reliable data source to recognize emotions because they are not susceptible to false simulations and ambiguous interpretation, unlike, the facial and body expressions, as --- — well as voice signals. Despite being an important source of data, most affective detection systems based on brain signals discussed in the literature are context free. This fact implies a serious problem for the recognition of emotions, since the context is crucial in identifying them. In this work we propose a method for the detection of human emotions based on the fusion of an individual context information with their brain signals. The method have two components: the brain signals and context. Furthermore, we developed three case studies to evaluate the proposed method. In the first case study, the objective was to evaluate the component of the method related to brain signals. The EEG signals from a database were processed and classified in emotions with algorithms defined for this purpose. In the second case study, the objective was to evaluate the context component of the method. The relevant variables that characterize the context were identified and their influences have been set. The context was classified in the emotions of the participants. Finally, the third case study, the proposed method in this thesis was evaluated considering its two components. The brain signals and the context were classified in the emotions of the participants.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICAUFCGPERKUSICH, Angelo.PERKUSICH, A.http://lattes.cnpq.br/9439858291700830CRIOLLO, Carlos Júlio Tierra.CRIOLLO, C. J. T.ALMEIDA, Hyggo Oliveira de.OLIVEIRA, H. O.SILVA, Jaidilson Jó da.SILVA, J. J.VIEIRA, Maria de Fátima Queiroz.VIEIRA, M. F. Q.RACHED, Taciana Saad.2015-102021-04-20T21:08:33Z2021-04-202021-04-20T21:08:33Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223RACHED, Taciana Saad. Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. 2015. 151f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2015. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2021-04-20T21:09:20Zoai:localhost:riufcg/18223Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512021-04-20T21:09:20Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.none.fl_str_mv Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
Classification of human emotions with a two-dimensional approach based on context information and electroencephalography signals.
title Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
spellingShingle Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
RACHED, Taciana Saad.
Emoções humanas - classificação
Sinais de eletroencefalografia
Eletroencefalografia
Computação afetiva
Cérebro e as emoções
Sinais cerebrais
Reconhecimento das emoções por máquina
Human emotions - classification
Electroencephalography signs
Electroencephalography
Affective computing
Brain and emotions
Brain signs
Recognition of emotions by machine
title_short Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
title_full Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
title_fullStr Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
title_full_unstemmed Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
title_sort Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
author RACHED, Taciana Saad.
author_facet RACHED, Taciana Saad.
author_role author
dc.contributor.none.fl_str_mv PERKUSICH, Angelo.
PERKUSICH, A.
http://lattes.cnpq.br/9439858291700830
CRIOLLO, Carlos Júlio Tierra.
CRIOLLO, C. J. T.
ALMEIDA, Hyggo Oliveira de.
OLIVEIRA, H. O.
SILVA, Jaidilson Jó da.
SILVA, J. J.
VIEIRA, Maria de Fátima Queiroz.
VIEIRA, M. F. Q.
dc.contributor.author.fl_str_mv RACHED, Taciana Saad.
dc.subject.por.fl_str_mv Emoções humanas - classificação
Sinais de eletroencefalografia
Eletroencefalografia
Computação afetiva
Cérebro e as emoções
Sinais cerebrais
Reconhecimento das emoções por máquina
Human emotions - classification
Electroencephalography signs
Electroencephalography
Affective computing
Brain and emotions
Brain signs
Recognition of emotions by machine
topic Emoções humanas - classificação
Sinais de eletroencefalografia
Eletroencefalografia
Computação afetiva
Cérebro e as emoções
Sinais cerebrais
Reconhecimento das emoções por máquina
Human emotions - classification
Electroencephalography signs
Electroencephalography
Affective computing
Brain and emotions
Brain signs
Recognition of emotions by machine
description As emoções humanas são fundamentais para a interação entre indivíduos, assim como também com as maquinas. Diferente de uma interação humano-humano, onde um ser humano interpreta o comportamento emocional de outro, na interação humano-maquina, a ultima e incapaz de compreender os sentimentos de um individuo, o que dificulta a interação entre os mesmos. Nesse cenário, a computação afetiva e uma área de pesquisa recente, na qual o objetivo e reconhecer as emoções de um individuo durante sua interação com uma maquina. tornando-a mais simples, fácil e agradável. Existem diversas fontes de dados usadas no reconhecimento das emoções, como as expressões faciais, sinais de voz, linguagem corporal, sinais fisiológicos e sinais cerebrais. Os sinais cerebrais são a fonte de dados mais confiável no reconhecimento das emoções, pois diferentemente dos sinais de voz, expressões faciais e corporais, não são passiveis de falsas simulações e interpretação ambígua. Apesar de ser uma importante fonte. de dados, a maioria dos sistemas de detecção afetiva baseados em sinais cerebrais discutidos na literatura são livres de contexto. Esse fato implica em um grave problema para o reconhecimento das emoções, uma vez que o contexto e fundamental na identificação das mesmas. Nesse trabalho e introduzido um método para a detecção das emoções humanas a partir da fusão de informações do contexto de um individuo com seus sinais cerebrais. O método e composto por duas componentes: os sinais cerebrais e o contexto. Para avaliar o método proposto foram desenvolvidos três estudos de caso. No primeiro estudo de caso o objetivo foi avaliar a componente do método referente aos sinais cerebrais. Os sinais de EEG de um banco de dados foram processados e classificados em emoções com os algoritmos definidos para esse fim. No segundo estudo de caso o objetivo foi a avaliação da componente do método relativa ao contexto. As variáveis relevantes para caracterização do contexto foram identificadas e suas influencias foram definidas. 0 contexto foi classificado nas emoções dos participantes. Por fim, no terceiro estudo de caso, o método proposto nessa Tese foi avaliado considerando-se suas duas componentes. Os sinais cerebrais e o contexto foram classificados nas emoções dos participantes.
publishDate 2015
dc.date.none.fl_str_mv 2015-10
2021-04-20T21:08:33Z
2021-04-20
2021-04-20T21:08:33Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223
RACHED, Taciana Saad. Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. 2015. 151f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2015. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223
identifier_str_mv RACHED, Taciana Saad. Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. 2015. 151f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2015. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UFCG
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1809746103590977536