Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/33611
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Maniezzo, Giovanni Vallim | - |
dc.creator | Oliveira, Jorge Luiz Arantes de | - |
dc.creator | Pereira, Maria Eduarda Riskalla | - |
dc.date.accessioned | 2024-03-14T18:38:46Z | - |
dc.date.available | 2024-03-14T18:38:46Z | - |
dc.date.issued | 2022-12-01 | - |
dc.identifier.citation | MANIEZZO, Giovanni Vallim; OLIVEIRA, Jorge Luiz Arantes; PEREIRA, Maria Eduarda Riskalla. Processamento e classificação de sinais de EEG por meio de machine learning para identificação de emoções básicas. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/33611 | - |
dc.description.abstract | Electroencephalogram is a method of monitoring electrical activity in the human brain and, with it, it is possible to record waves emitted by this organ. By processing these signals, it is possible to equate and analyze them, seeking to understand the pattern of the individual’s brain activity or even dysfunctions. For this to be possible, it is necessary to apply feature extraction and selection processes to these signals and normalization of the obtained coefficients. The use of machine learning algorithms makes it possible to analyze a larger volume of data and to identify and classify patterns of brain signals. Thus, together with the physiological study of the organ, it is possible to identify emotions by reading and interpreting these waves. In this work, machine learning was used to classify EEG signals and identify 8 basic emotions: satisfied, angry, protected, scared, happy, sad, carefree and surprised. Considering the SVM and KNN classifiers, it is possible to obtain greater accuracy for classifying this type of signal using the KNN. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | pt_BR |
dc.subject | Eletroencefalografia | pt_BR |
dc.subject | Fourier, Séries de | pt_BR |
dc.subject | Emoções | pt_BR |
dc.subject | Aprendizado do computador | pt_BR |
dc.subject | Processamento de sinais | pt_BR |
dc.subject | Electroencephalography | pt_BR |
dc.subject | Fourier series | pt_BR |
dc.subject | Emotions | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.subject | Signal processing | pt_BR |
dc.title | Processamento e classificação de sinais de EEG por meio de machine learning para identificação de emoções básicas | pt_BR |
dc.title.alternative | Processing and classifying EEG signals through machine learning to identify basic emotions | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.description.resumo | Eletroencefalograma é um método de monitoramento de atividade elétrica no cérebro humano e, com ele, consegue-se registrar ondas emitidas por esse órgão. Por meio do processamento desses sinais é possível equacioná-los e analisá-los, buscando entender o padrão da atividade cerebral do indivíduo ou até mesmo disfunções. Para que isso seja possível, é necessário que sejam aplicados processos de extração e seleção de características nesses sinais e normalização dos coeficientes obtidos. O uso de algoritmos de aprendizado de máquina possibilita a análise de um maior volume de dados e a identificação e classificação de padrões nesses sinais cerebrais. Assim, juntamente com o estudo fisiológico do órgão, pode-se chegar a uma identificação de emoções realizando a leitura e interpretação dessas ondas. Neste trabalho, foi utilizado machine learning para classificar sinais de EEG e realizar a identificação de 8 emoções básicas: satisfeito, bravo, protegido, medo, alegre, triste, despreocupado e surpreso. Considerando os classificadores SVM e KNN, é possível obter uma maior acurácia para classificação desse tipo de sinal utilizando o KNN. | pt_BR |
dc.degree.local | Curitiba | pt_BR |
dc.publisher.local | Curitiba | pt_BR |
dc.contributor.advisor1 | Oroski, Elder | - |
dc.contributor.referee1 | Fioravanti, Célia Cristina Bojarczuk | - |
dc.contributor.referee2 | Oroski, Elder | - |
dc.contributor.referee3 | Furucho, Mariana Antonia Aguiar | - |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Engenharia Elétrica | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS | pt_BR |
Aparece nas coleções: | CT - Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
processamentoeegemocoesbasicas.pdf | 3,97 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons