Aplicação de algoritmos de processamento de sinais e aprendizagem de máquina para reconhecimento de emoções humanas a partir de sinais de eletroencefalografia

Abstract

Este trabalho propõe a aplicação de algoritmos de Processamento Digital de Sinais e técnicas de Aprendizagem de Máquina à sinais de Eletroencefalografia (EEG), a fim de reconhecer emoções humanas, com o objetivo de colaborar com os estudos de identificação de sentimentos e ressaltar a importância de uma boa saúde mental. A proposta desse projeto é analisar uma base de dados de sinais e, a partir dela, extrair características para um modelo determinar em qual quadrante a emoção desejada se encontra, sendo o quadrante definido por sua alta ou baixa intensidade e valência. Foram treinados algoritmos que continham dados com e sem extração de características em três domínios: tempo, frequência e tempo-frequência, além de terem sido divididos tanto em bandas de frequência quanto nos 14 canais de EEG da base DREAMER. Para cada conjunto de dados diferente foram treinados de três a quatro modelos, uma regressão linear, um K-ésimo Vizinho mais Próximo (K-Nearest Neighbors, KNN), uma floresta de decisão (Random Forest, RF) e uma Máquina de vetores de suporte (Support Vector Machine, SVM), com o objetivo final de ter dados o suficiente para haver uma conclusão sobre a melhor forma de se conseguir extrair a emoção desejada, conseguindo assim ter um conclusão mais precisa e certa sobre o resultado. O documento foi dividido em introdução, explicação teórica, métodos e implementação, algoritmos utilizados, resultados e conclusão.