
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Oroski, Elder | - |
| Autor(es): dc.contributor | Fioravanti, Célia Cristina Bojarczuk | - |
| Autor(es): dc.contributor | Oroski, Elder | - |
| Autor(es): dc.contributor | Furucho, Mariana Antonia Aguiar | - |
| Autor(es): dc.creator | Maniezzo, Giovanni Vallim | - |
| Autor(es): dc.creator | Oliveira, Jorge Luiz Arantes de | - |
| Autor(es): dc.creator | Pereira, Maria Eduarda Riskalla | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:57:29Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:57:29Z | - |
| Data de envio: dc.date.issued | 2024-03-14 | - |
| Data de envio: dc.date.issued | 2024-03-14 | - |
| Data de envio: dc.date.issued | 2022-11-30 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/33611 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1104918 | - |
| Descrição: dc.description | 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. | - |
| Descrição: dc.description | 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. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Curitiba | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Engenharia Elétrica | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Eletroencefalografia | - |
| Palavras-chave: dc.subject | Fourier, Séries de | - |
| Palavras-chave: dc.subject | Emoções | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Processamento de sinais | - |
| Palavras-chave: dc.subject | Electroencephalography | - |
| Palavras-chave: dc.subject | Fourier series | - |
| Palavras-chave: dc.subject | Emotions | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Signal processing | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS | - |
| Título: dc.title | Processamento e classificação de sinais de EEG por meio de machine learning para identificação de emoções básicas | - |
| Título: dc.title | Processing and classifying EEG signals through machine learning to identify basic emotions | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: