An EEG experiment evaluation system and method based on eye movement data, collected by eye tracker object eye movement data, according to the eye movement data of the gaze point establishment time space model; and then use the technology of fast dynamic time warping algorithm calculating the similarity degree between the sequence and construct distance matrix, then by detecting the outliers clustering algorithm based on density according to the clustering results, and by learning to rank the training model, the quantitative sequence obtained after the participation of the object; the invention can objective quantitative evaluation object in the experiment seriously, the formation of feedback for the experiment and model, to ensure data quality and improve the prediction accuracy. Quantitative evaluation of the degree of the participants' participation in experiments was conducted, and quantitative feedback of emotion recognition experiments was constructed.
【技术实现步骤摘要】
基于眼动数据的脑电实验评估系统及方法
本专利技术涉及的是一种信息处理领域的技术,具体是一种基于眼动数据的脑电实验评估系统及方法。
技术介绍
机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能。机器学习从学习方式上,可以分成:1.监督学习;2.非监督学习;3.半监督学习;4.增强学习。当今监督学习在各领域均有相对较成熟的运用,但是,监督学习对样本标签的依赖限制了其进一步发展:标签不精确、样本基数过大导致给定标签代价过大等等均可能影响监督学习准确度。相反,半监督学习、非监督学习以及增强学习更加接近于人类的学习方式,通过观察来学习做成如何的动作,每个动作都会对环境有所影响,学习对象根据观察到的周围环境的反馈来做出判断。因此,半监督学习、非监督学习以及增强学习在机器学习领域占据了很重要的一部分。反馈是实现半监督、非监督学习、增强学习十分重要的一环。因此,此方法的提出也是实现更好的非监督学习的重要的一步。现今多数实验均需要通过对象参与实验采集数据,因此,对象参与程度直接影响了数据的优劣程度。例如在情绪识别实验中,对象通过观看刺激素材,被诱发相应的情绪并采集脑电数据,根据脑电数据预测对象在观看各个刺激素材时的情绪。如果对象在观看刺激素材是,出现发呆、走神、或故意不认真观看素材的行为,将导致数据质量低下、模型预测精确度降低。在此方法提出之前,普遍采用填表反馈的方式,对象在结束一个片段的观看后,在反馈表格上填写对自己情绪的评价。这种反馈主观因素过大,也存在对象故意隐瞒、欺骗的可能性,因此,一个客观的基于真实数据来评估对象 ...
【技术保护点】
一种基于眼动数据的脑电实验评估系统,其特征在于,包括:眼动仪、距离矩阵生成模块、参与度检测模块以及情绪识别模块,其中:眼动仪与距离矩阵生成模块相连并传输眼动数据信息,距离矩阵生成模块与参与度检测模块相连并传输距离信息,参与度检测模块与情绪识别模块相连并传输参与度检测结果信息以及情绪识别结果信息;所述的眼动数据包括:注视坐标、注视时长、注视起始结束时间、扫视起始坐标、扫视路径、扫视时长、扫视起始结束时间、扫视角度。
【技术特征摘要】
1.一种基于眼动数据的脑电实验评估系统,其特征在于,包括:眼动仪、距离矩阵生成模块、参与度检测模块以及情绪识别模块,其中:眼动仪与距离矩阵生成模块相连并传输眼动数据信息,距离矩阵生成模块与参与度检测模块相连并传输距离信息,参与度检测模块与情绪识别模块相连并传输参与度检测结果信息以及情绪识别结果信息;所述的眼动数据包括:注视坐标、注视时长、注视起始结束时间、扫视起始坐标、扫视路径、扫视时长、扫视起始结束时间、扫视角度。2.一种基于上述系统的基于眼动数据的脑电实验评估方法,其特征在于,通过眼动仪采集对象眼动数据,根据眼动数据中的注视点建立时间-空间模型;然后使用动态时间规整算法快速技术计算序列之间相似程度并构建距离矩阵,再通过基于密度的聚类算法进行离群点检测和量化排序,得到对象的参与度。3.根据权利要求2所述的方法,其特征是,所述的距离矩阵,通过以下方式得到:i)顺序提取对象观看刺激素材片段期间的所有注视点,即:{(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)},其中:xi,yi是第i个注视点坐标,ti是第i个注视点时长,n为片段注视点个数;ii)将持续时长小于某预定阈值δ的注视点视为无效注视点,从序列中删除无效注视点。将有效注视...
【专利技术属性】
技术研发人员:吕宝粮,郑伟龙,石振锋,周畅,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。