Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/123456789/31628
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΓκιμιτζούδης, Αθανάσιοςel
dc.date.accessioned2022-01-31T12:40:51Z-
dc.date.available2022-01-31T12:40:51Z-
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/123456789/31628-
dc.identifier.urihttp://dx.doi.org/10.26268/heal.uoi.11444-
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectΗλεκτροεγκεφαλογράφημαel
dc.subjectΛογισμικόel
dc.titleΑνάλυση συναισθημάτων μέσω της χρήσης φυσιολογικών σημάτωνel
heal.typemasterThesis-
heal.type.enMaster thesisen
heal.type.elΜεταπτυχιακή εργασίαel
heal.generalDescriptionΤμήμα Πληροφορικής & Τηλεπικοινωνιώνel
heal.classificationΛογισμικό - Υγεία-
heal.classificationΥγεία - Λογισμικό-
heal.classificationΗλεκτροεγκεφαλογράφημα-
heal.identifier.secondaryΜεταπτυχιακή εργασία-
heal.dateAvailable2022-01-31T12:41:51Z-
heal.languageel-
heal.accessfree-
heal.recordProviderΠανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιώνel
heal.publicationDate2022-
heal.bibliographicCitationΓκιμιτζούδης, Α., 2022. Ανάλυση συναισθημάτων μέσω της χρήσης φυσιολογικών σημάτων. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων.Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιώνel
heal.abstractΟ ανθρώπινος εγκέφαλος αποτελεί το βασικό όργανο του κεντρικού νευρικού συστήματος και είναι υπεύθυνος για όλες τις λειτουργίες της κίνησης, της αναπνοής, των αισθήσεων και των συναισθημάτων. Το ηλεκτροεγκεφαλογράφημα (ΗΕΓ) αποτελεί βασικό εργαλείο για τη μελέτη του ανθρώπινου εγκεφάλου και κυρίως για τη διάγνωση και παρακολούθηση νευρολογικών διαταραχών. Τα τελευταία χρόνια, η ανάλυση των ΗΕΓ καταγραφών κερδίζει έδαφος στην μελέτη της συναισθηματικής κατάστασης. Στην παρούσα διπλωματική εργασία προτείνεται μια μεθοδολογία για τη διάκριση των συναισθηματικών καταστάσεων, όπως αυτές αποτυπώνονται με βαθμολογίες των μετρικών arousal και valence. Η μεθοδολογία στηρίζεται στην Ανάλυση Χρόνου-Συχνότητας με εφαρμογή του Διακριτού Μετασχηματισμού Κυματιδίων και στην εξαγωγή χαρακτηριστικών Ενέργειας, Εντροπίας Shannon και Εντροπίας Tsallis από ΗΕΓ καταγραφές της βάσης δεδομένων DEAP. Δοκιμάζονται διάφοροι αλγόριθμοι μηχανικής μάθησης και ο αλγόριθμος των Τυχαίων Δασών επιφέρει τα καλύτερα αποτελέσματα Ακρίβειας, Ευαισθησίας και Ειδικότητας.el
heal.abstractThe human brain is the main organ of the central nervous system and is responsible for all the functions of movement, respiration, senses and emotions. The Electroencephalogram (EEG) is the main tool for the study of the human brain and mainly for the diagnosis and monitoring of neurological disorders. In recent years, the analysis of EEG recordings is gaining ground in the study of emotional state. In this study, a methodology is proposed for the classification of emotional states, as they are expressed with arousal and valence scores. The methodology is based on Time-Frequency Analysis with application of Discrete Waveform Transform and the extraction of Energy, Shannon Entropy and Tsallis Entropy from EEG recordings of the DEAP database. Various machine learning algorithms are evaluated and the Random Forests shows the best results in terms of Accuracy, Sensitivity and Specialty.en
heal.advisorNameΤζάλλας, Αλέξανδροςel
heal.committeeMemberNameΓλαβάς, Ευριπίδηςel
heal.committeeMemberNameΤσούλος, Ιωάννηςel
heal.academicPublisherΣχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιώνel
heal.academicPublisherIDuoi-
heal.numberOfPages65-
heal.fullTextAvailabilitytrue-
Appears in Collections:Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΠΤΠ

Files in This Item:
File Description SizeFormat 
Μ.Ε ΓΚΙΜΙΤΖΟΥΔΗΣ ΑΘΑΝΑΣΙΟΣ.pdf3.35 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons