Bài viết này mô tả phương pháp phân loại và đánh giá cảm xúc dựa trên mô hình kết hợp sử dụng tín hiệu cảm biến y sinh và tín hiệu video trên cơ sở học máy. | Ứng dụng mô hình kết hợp trong nhận dạng cảm xúc Tạp Chí Khoa Học Giáo Dục Kỹ Thuật Số 57 04 2020 Trường Đại Học Sư Phạm Kỹ Thuật TP. Hồ Chí Minh 17 ỨNG DỤNG MÔ HÌNH KẾT HỢP TRONG NHẬN DẠNG CẢM XÚC APPLIED MULTIMODAL FOR EMOTION RECOGNITION Nguyễn Thị Khánh Hồng Võ Thị Hương Lê Hữu Duy Trường Đại học Sư phạm Kỹ thuật Đại học Đà Nẵng Việt Nam Ngày toà soạn nhận bài 12 11 2019 ngày phản biện đánh giá 21 11 2019 ngày chấp nhận đăng 9 12 2019. TÓM TẮT Ngày nay nhận dạng và phân loại cảm xúc ngày càng chi tiết và chính xác hơn nhờ vào sự phát triển của các lĩnh vực như điện tử cảm biến hay kỹ thuật máy tính. Các phương pháp nhận dạng cảm xúc được nghiên cứu hiện nay sử dụng nhiều phương thức thu thập dữ liệu khác nhau và một trong những phương thức mang lại hiệu quả là sử dụng cảm biến y sinh. Phương thức này có thể cung cấp thông tin về các yếu tố sinh học chính xác bền vững ít bị ảnh hưởng bởi tác nhân gây nhiễu từ bên ngoài. Bài báo này mô tả phương pháp phân loại và đánh giá cảm xúc dựa trên mô hình kết hợp sử dụng tín hiệu cảm biến y sinh và tín hiệu video trên cơ sở học máy. Chúng tôi sẽ mô tả thiết kế của hệ thống thu thập tín hiệu y sinh qui trình thu thập thông tin và hệ thống xử lý được dùng để nhận dạng các thuộc tính của cảm xúc. Nghiên cứu này đạt được hiệu suất nhận dạng với tỉ lệ chính xác là 83 2 . Từ khóa Nhận dạng cảm xúc cảm biến y sinh máy học mạng Nơ ron tích chập máy học vectơ hỗ trợ. ABSTRACT Detecting and classifying emotions has currently become an important item of research and life. The more detailed and accurate emotion recognition system is due to the development of various fields such as electronics sensors or computer engineering. Emotion recognition methods are studied using different data collection methods and one of the most popular and effective methods is physical bio sensors. Physical bio sensor based approaches can provide more accurate sustainable biological information with external influences and interferences especially when
