Revue internationale de psychologie scolaire et cognitive
Libre accès
ISSN: 2469-9837
ISSN: 2469-9837
Martin Costeris
L'analyse des émotions humaines (sentiments) qui se libèrent directement sur les émotions humaines est obligatoire pour rivaliser avec de nombreux impacts psychologiques. Les émotions humaines sont plus précieuses et plus réelles. L'histoire de la théorie des effets implique l'idée de détecter les sentiments et les émotions qui semblent nécessaires pour prédire le comportement. Le travail de recherche proposé est basé sur la prédiction de l'émotion réelle à l'aide d'un modèle robuste avec des données neurophysiologiques. Tout changement dans l'affect émotionnel déclenche directement les signaux physiologiques. Le système présenté utilise le concept de modèles de mélange gaussien pour créer un nouvel algorithme de prédiction appelé la technique de maximisation des attentes gaussiennes (GEM) en utilisant l'ensemble de données amigos. L'ensemble de données a pris en compte les signaux physiologiques tels que l'électrocardiographie (ECG), l'électroencéphalographie (EEG), la réponse galvanique de la peau (GSR). La réponse statistique après le traitement des données, les résultats mesurables sur les étiquettes d'émotion, ces réponses de coïncidence avec des échantillons d'entraînement ont un impact direct sur les résultats obtenus. Le système présenté est comparé à une approche de pointe en termes de paramètres statistiques tels que l'écart type, la moyenne de la population, etc. L'analyse comparative sur divers participants et leurs points de covariables uniques sont extraits pour une analyse approfondie des émotions. Le système proposé permet de détecter des émotions telles que la colère, le mépris, le dégoût, le bonheur et la tristesse. Sur la base de divers apprentissages itératifs avec des attentes améliorées et une extraction de valeur de maximisation, le système proposé détecte l'émotion avec un minimum d'itérations de 5.