Repositório Institucional Unimontes
É um conjunto de serviços oferecidos pela Universidade Estadual de Montes Claros para a gestão e disseminação de sua produção técnica e científica. Todos os seus conteúdos estão disponíveis publicamente, e por estarem acessíveis proporcionam maior visibilidade e impacto da produção científica da instituição. Sua missão é armazenar, preservar, divulgar e dar acesso à produção da Unimontes em formato digital.
Use este identificador para citar ou linkar para este item:
https://repositorio.unimontes.br/handle/1/2546| Título: | Reconhecimento de Emoções com EEG de Alta Resolução: uma abordagem em Neurociência Computacional com Aprendizado de Máquina e Extração de Características |
| Autor(es): | Oliveira Júnior, Evandro José de |
| Orientador(ra): | Rocha, Honovan Paz |
| Membro(s) Banca: | Carvalho, Thales Francisco Mota Ramos, Welyson Tiano dos Santos |
| Palavras-chave: | EEG;Classificação de Emoções;Neurociência Computacional;Extração de Características.;Modelos Supervisionados;Aprendizado de Máquina |
| Área: | Ciencias Exatas e da Terra |
| Subárea: | Ciencia Da Computacao |
| Data do documento: | 12-fev-2026 |
| Resumo: | O reconhecimento de emoções a partir de sinais eletroencefalográficos (EEG) tem se desta cado na neurociência computacional por seu potencial em aplicações como saúde mental, interfaces cérebro–computador e sistemas inteligentes adaptativos. Este trabalho apresenta uma abordagem computacional para a classificação da valência emocional utilizando sinais de EEG de alta resolução da base HR-EEG4EMO. O pipeline desenvolvido compreen deu etapas de pré-processamento, segmentação temporal, extração de características nos domínios do tempo, da frequência e não linear, e seleção automática de atributos por meio do método SelectKBest, resultando em um conjunto reduzido de 15 características relevantes. Foram avaliados diferentes modelos de aprendizado de máquina supervisionado, incluindo Regressão Logística, K-Nearest Neighbors, Support Vector Machine, Multilayer Perceptron, Random Forest e Gradient Boosting, sendo que os métodos baseados em árvores apresentaram melhor desempenho, com destaque para o Random Forest. A in terpretabilidade do modelo foi investigada por meio da técnica SHAP, evidenciando que atributos relacionados à potência espectral na banda gama, medidas estatísticas globais e métricas de complexidade não linear exercem maior influência nas decisões do classificador. Os resultados obtidos indicam potencial da abordagem proposta, sendo interpretável e adequada para aplicações em neurociência computacional voltadas ao reconhecimento de emoções com EEG de alta resolução |
| URI: | https://repositorio.unimontes.br/handle/1/2546 |
| Aparece nas coleções: | Dissertações |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Oliveira Júnior, Evandro José de_Reconhecimento de emoções com EEG_.pdf | 3,42 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.