Resumen

El reconocimiento de las emociones es un campo en auge que permite interacciones e interfaces hombre-máquina más naturales. La electroencefalografía (EEG) ha demostrado ser una modalidad útil con la que se pueden medir y monitorizar los estados emocionales del usuario, especialmente primitivos como la valencia y la excitación. En este artículo, proponemos el uso del análisis de patrones ordinales, también llamados motivos, para mejorar el reconocimiento de emociones basado en el EEG. Los motivos capturan estructuras recurrentes en las series temporales y son intrínsecamente robustos al ruido, por lo que son muy adecuados para la tarea que nos ocupa. Se proponen varias características de conectividad, asimetría y teoría de grafos que se extraen de los motivos y se utilizan para el reconocimiento de estados afectivos. Se realizan experimentos con una base de datos pública ampliamente utilizada, y los resultados muestran que las características propuestas superan las características de referencia basadas en el espectro, así como otras características teóricas de grafos no basadas en motivos y medidas de conectividad/asimetría basadas en la modulación de amplitud. La fusión de características y puntuaciones sugiere la complementariedad entre las medidas propuestas y las basadas en el espectro de referencia. Cuando se combinan, los modelos fusionados pueden proporcionar hasta un 9% de mejora con respecto a las características de referencia por sí solas y hasta un 16% con respecto a las características teóricas de gráficos no basadas en motivos.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:características teóricas, espectro de referencia, gráfico basado, reconocimiento de estados afectivos, base de datos pública utilizada, análisis de patrones ordinales, reconocimiento de emociones basado, características propuestas, motivo, modelo fusionado
• Keywords:theoretic features, benchmark spectrum, based graph, affective state recognition, used public database, ordinal pattern analysis, based emotions recognition, proposed features, motif, fused model