%0 Journal Article %A Kalhor, Elham %A Bakhtiari, Behzad %T Subject-Independent Channel and Feature Selection for Emotion Classification Based on EEG Signal: A Multi-Task Approach %J Journal of Control %V 15 %N 2 %U http://joc.kntu.ac.ir/article-1-695-fa.html %R 10.52547/joc.15.2.139 %D 2021 %K Emotion Recognition, Multi-Task Feature Selection, Arousal, Valance, EEG Signal Processing., %X تحقیقات نشان می‌دهد که احساس، یک فرآیند ذهنی و متوجه مغز انسان است و روی فرآیندهای مهمّی چون حافظه، تمرکز، تفکّر و تصمیم‌گیری اثر دارد. به همین دلیل مطالعه مکانیزم و عملکرد آن مورد توجّه محققان علوم شناختی قرار گرفته است. مطالعه‌ احساس از طریق پردازش سیگنال‌های بیولوژیکی، علاوه بر کاربردهای کلینیکی که در زمینه تشخیص و درمان به موقع ناهنجاری‌های روانی می‌تواند داشته باشد، در علوم مبتنی بر تعاملات انسان و رایانه نیز نقش مهمی بازی می‌کند و باعث پیشرفت‌های زیادی در این زمینه می‌گردد. اما با توجه به این‌که معمولا تعداد کانال‌ها و ویژگی‌های استخراج شده از سیگنال مغز زیاد می‌باشد، انتخاب کانال‌های مرتبط، با هدف ویژگی‌های موثر، نقش بسزایی در کارایی این روش‌ها دارد. از طرفی این ویژگی‌ها بایستی به نحوی باشند که در مواجهه با افراد جدید نیز کارایی مناسبی داشته باشند. به همین منظور در این مقاله برای انتخاب کانال‌های مرتبط با احساسات و انتخاب ویژگی‌های مناسب مستقل از افراد، رویکرد چند وظیفه‌ای ارائه شده است. همچنین برای نشان دادن کارایی روش پیشنهادی از دادگان DREAMER و DEAP استفاده شد و با در نظر گرفتن دو بُعد احساسی برانگیختگی و ظرفیت آزمایشاتی برای نشان دادن کارایی مطلوب روش پیشنهادی در انتخاب کانال و ویژگی مستقل از فرد انجام شد. نتایج این آزمایشات نشان می‌دهد که روش پیشنهادی نسبت به روش‌های مطرح در این حوزه کارایی بهتری دارد. %> http://joc.kntu.ac.ir/article-1-695-fa.pdf %P 139-157 %& 139 %! %9 Research paper %L A-10-1054-1 %+ , Sadjad University of Technology, Mashhad %G eng %@ 2008-8345 %[ 2021