学校与认知心理学国际期刊
开放获取

抽象的

Emo-Gem：使用 Amigos 通过高斯模型进行受影响的情感情绪心理学分析

马丁·科斯特里斯

必须对直接释放到人类情绪上的人类影响（感受）进行分析，以对抗许多心理影响。人类的情感更加珍贵和真实。效应理论的历史暗示着检测感觉和情绪对于预测行为似乎是必要的。拟议的研究工作基于使用具有神经生理学数据的稳健模型来预测真实情绪。情绪影响的任何变化都会直接触发生理信号。所提出的系统利用高斯混合模型的概念，使用 amigos 数据集创建一种新颖的预测算法，称为高斯期望最大化技术 (GEM)。该数据集考虑了心电图 (ECG)、脑电图 (EEG)、皮肤电反应 (GSR) 等生理信号。数据处理后的统计响应、情绪标签上的可测量结果以及与训练样本的重合响应直接影响所获得的结果。所提出的系统在标准差、总体平均值等统计参数方面采用最先进的方法进行了比较讨论。提取了对各个参与者及其独特协变量点的比较分析，以进行深度情感分析。所提出的系统实现了对愤怒、蔑视、厌恶、快乐和悲伤等情绪影响的检测。基于具有改进期望和最大化值提取的各种迭代学习，所提出的系统以最小迭代 5 次来检测情感。情绪标签上的可测量结果与训练样本的重合反应直接影响所获得的结果。所提出的系统在标准差、总体平均值等统计参数方面采用最先进的方法进行了比较讨论。提取了对各种参与者及其独特协变量点的比较分析，以进行深度情感分析。所提出的系统实现了对愤怒、蔑视、厌恶、快乐和悲伤等情绪影响的检测。基于具有改进期望和最大化值提取的各种迭代学习，所提出的系统以最小迭代次数 5 次检测情感。情绪标签上的可测量结果与训练样本的重合反应直接影响所获得的结果。所提出的系统在标准差、总体平均值等统计参数方面采用最先进的方法进行了比较讨论。提取了对各种参与者及其独特协变量点的比较分析，以进行深度情感分析。所提出的系统实现了对愤怒、蔑视、厌恶、快乐和悲伤等情绪影响的检测。基于具有改进期望和最大化值提取的各种迭代学习，所提出的系统以最小迭代次数 5 次检测情感。所提出的系统在标准差、总体平均值等统计参数方面采用最先进的方法进行了比较讨论。提取了对各种参与者及其独特协变量点的比较分析，以进行深度情感分析。所提出的系统实现了对愤怒、蔑视、厌恶、快乐和悲伤等情绪影响的检测。基于具有改进期望和最大化值提取的各种迭代学习，所提出的系统以最小迭代 5 次来检测情感。所提出的系统在标准差、总体平均值等统计参数方面采用最先进的方法进行了比较讨论。提取了对各种参与者及其独特协变量点的比较分析，以进行深度情感分析。所提出的系统实现了对愤怒、蔑视、厌恶、快乐和悲伤等情绪影响的检测。基于具有改进期望和最大化值提取的各种迭代学习，所提出的系统以最小迭代次数 5 次检测情感。厌恶、快乐和悲伤。基于具有改进期望和最大化值提取的各种迭代学习，所提出的系统以最小迭代 5 次来检测情感。厌恶、快乐和悲伤。基于具有改进期望和最大化值提取的各种迭代学习，所提出的系统以最小迭代次数 5 次检测情感。