dc.creator.ID |
RACHED, T. S. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/6659783661235661 |
pt_BR |
dc.contributor.advisor1 |
PERKUSICH, Angelo. |
|
dc.contributor.advisor1ID |
PERKUSICH, A. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/9439858291700830 |
pt_BR |
dc.contributor.referee1 |
CRIOLLO, Carlos Júlio Tierra. |
|
dc.contributor.referee1ID |
CRIOLLO, C. J. T. |
pt_BR |
dc.contributor.referee2 |
ALMEIDA, Hyggo Oliveira de. |
|
dc.contributor.referee2ID |
OLIVEIRA, H. O. |
pt_BR |
dc.contributor.referee3 |
SILVA, Jaidilson Jó da. |
|
dc.contributor.referee3ID |
SILVA, J. J. |
pt_BR |
dc.contributor.referee4 |
VIEIRA, Maria de Fátima Queiroz. |
|
dc.contributor.referee4ID |
VIEIRA, M. F. Q. |
pt_BR |
dc.description.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. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.title |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. |
pt_BR |
dc.date.issued |
2015-10 |
|
dc.description.abstract |
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. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223 |
|
dc.date.accessioned |
2021-04-20T21:08:33Z |
|
dc.date.available |
2021-04-20 |
|
dc.date.available |
2021-04-20T21:08:33Z |
|
dc.type |
Tese |
pt_BR |
dc.subject |
Emoções humanas - classificação |
pt_BR |
dc.subject |
Sinais de eletroencefalografia |
pt_BR |
dc.subject |
Eletroencefalografia |
pt_BR |
dc.subject |
Computação afetiva |
pt_BR |
dc.subject |
Cérebro e as emoções |
pt_BR |
dc.subject |
Sinais cerebrais |
pt_BR |
dc.subject |
Reconhecimento das emoções por máquina |
pt_BR |
dc.subject |
Human emotions - classification |
pt_BR |
dc.subject |
Electroencephalography signs |
pt_BR |
dc.subject |
Electroencephalography |
pt_BR |
dc.subject |
Affective computing |
pt_BR |
dc.subject |
Brain and emotions |
pt_BR |
dc.subject |
Brain signs |
pt_BR |
dc.subject |
Recognition of emotions by machine |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
RACHED, Taciana Saad. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Classification of human emotions with a two-dimensional approach based on context information and electroencephalography signals. |
pt_BR |
dc.identifier.citation |
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 |
pt_BR |