Les théories sur l’origine des émotions

Table des matières

Introduction générale
Chapitre I Notions de base d’émotion
I.1. Introduction
I.2. Les théories sur l’origine des émotions
I.2.1. Les théories physiologiques
I.2.2. Les théories neurobiologiques
I.3. Définition
I.4. Neurophysiologie des émotions
I.4.1. Système limbique
I.4.2. Différents modèles du processus émotionnel
I.4.2.1. Modèle de James
I.4.2.2. Modèle de Cannon
I.4.2.3.Modèle de Ledoux
I.4.2.4. Modèle de Papez
I.5. Types d’émotion
I.5.1. Émotions primaires
I.5.2. Émotions secondaires
I.6. Représentation des émotions
I.6.1. Approche catégorielle
I.6.2. Approche multidimensionnelle
I.6.2.1. Le plaisir ou la valence (positif, négatif)
1.6.2.2. L’activation ou l’excitation (actif/passif)
I.6.2.3. Puissance (tension, relaxation)
I.7. Composantes d’une émotion
I.7.1. Aspects physiologique des émotions
I.7.2. Les marqueurs physiologiques des émotions
I.8. Conclusion
II. Acquisition Chapitre II des signaux physiologiques
II.1. Introduction
II.2. Signaux physiologiques pour la reconnaissance émotionnelle
II.2.1. L’activité électrodermale et activation émotionnelle
II.2.2. Activité cardiaque
II.2.2.1. Connexion des émotions au coeur
II.2.3. Volume sanguin périphérique
II.2.4. Volume et rythme respiratoire
II.2.5. Activité électromyographique
II.2.6. Température cutanée
II.3. Spécificité des paramètres physiologiques aux émotions
II.4. Présentation de l’experience
II.4.1. Induction d’émotion
II.4.2. Mesures physiologiques
II.4.2.1. La conductance de la peau
II.4.2.2. Le signal electromyogramme (EMG)
II.4.2.3. Volume sanguin périphérique
II.4.2.4. Le volume pulmonaire
II.4.2.5. La température cutanée
II.5. Forme de la base de donnée
II.6. Conclusion
Chapitre III Traitement des signaux physiologiques et caractérisation
III.1. Introduction
III.2. L’aléatoire en traitement du signal
III.2.1. Signaux aléatoires
III.2.1.1. La moyenne ou moment du premier ordre
III.2.1.2. Moment du deuxième ordre, variance
III.2.1.3. Corrélation
III.2.1.3. Moyenne temporelle
III.2.1.4. Fonction d’autocorrélation
III.2.1.5. Densité spectrale de puissance
III.2.2. Les signaux aléatoires échantillonnés
III.2.2.1. Moyenne et fonction de covariance
III.2.2.2. Cas des signaux stationnaires et ergodiques
III.2.2.3. Estimation de la densité spectrale des signaux aléatoires échantillonnés
III.2.2.4. Fonction d’intercorrélation
III.2.2.5. Densité interspectrale de puissance
III.2.2.6. Cohérence spectrale
III.3. Les sources de bruits électroniques
III.3.1. Bruit blanc
III.3.2. Bruit coloré
III.4. Filtrage des signaux aléatoires
III.5. Filtrage numérique
III.5.1. Propriétés
III.5.1.1. Linéarité
III.5.1.2. Invariance temporelle
III.5.1.3. Causalité
III.5.1.4. Stabilité
III.5.2. Fonction de transfert du filtre
III.5.3. Mise en oeuvre des filtres numérique
III.5.3.1. Filtre à réponse impulsionnelle infinie
III.5.3.2. Filtre à réponse impulsionnelle finie
III.6. Filtrage des signaux physiologiques
III.6.1. Filtrage du signal EMG
III.6.2. Filtrage du signal SKC
III.6.3. Filtrage du signal VR
III.6.4. Filtrage du signal SKT
III.6.5. Filtrage du signal BVP
III.7. Estimation de la fréquence cardiaque
III.8. Extraction des paramètres pertinents
III.8.1. Paramètres temporels
III.8.2. Paramètres fréquentiels
III.9. Discussion des résultats montrant la pertinence des paramètres pour chaque émotion et pour tous les sujets
III.9.1. Signal EMG
III.9.2. Signal SKT
III.9.4. Signal BVP
III.9.3. Signal SKC
III.9.5. Signal VR
III.9.6. Fréquence cardiaque Fc
III.10. Conclusion
Chapitre IV Les classifieurs statistiques
IV.1. Introduction
IV.2. Les classufieurs
IV.2.1. Notion du classifieur
IV.2.2. Phases de construction d’un classifieur
IV.2.2.1. Phase d’apprentissage
IV.2.2.2 Phase de test
IV.2.3. Evaluation du classifieur
IV.2.3.1. La matrice de confusion
IV.2.4. Critères d’évaluation
IV.2.4.1. Taux de classification et taux d’erreurs
IV.2.4.2. Sensibilité et spécificité
IV.2.4.3. Précision et rappel
IV.3. Présentation des classifieurs statistiques
IV.3.1. Classification par les K plus proches voisins (KPPV)
IV.3.1.1. Etude de la règle des KPPV pour k=1
IV.3.1.2. Algorithme de recherche des KPPV
IV.3.2. Classification par les modèles de Markov cachés (MMC)
IV.3.2.1. Définition
IV.3.2.2. Architecture d’un MMC
IV.3.2.3. Les problèmes fondamentaux des MMC
IV.3.3. Classification par les SVM (séparateur à vaste marge)
IV.3.3.1. Principe de fonctionnement des SVM
IV.3.3.2. Fondements mathématiques des SVM
IV.3.3.3. Espace de redescription
IV.3.3.4. Extensions des SVM (classification multiclasse)
IV.3.3.5. La mise en oeuvre des SVM
IV.3.3.6. Algorithmes des SVM
IV.3.3.7. Domaines d’applications
IV.4. Choix du classifieur
IV.5. Conclusion
Chapitre V Application de la technique SVM pour la reconnaissance des émotions
V.1. Introduction
V.2. Taux de reconnaissance des émotions
V.2.1. Taux de reconnaissance pour différentes combinaisons des paramètres pertinent
V.2.2.Taux de reconnaissance pour différentes combinaisons des signaux physiologiques
V.3.Matrices de confusion des différentes émotions
V.4. Interprétation des résultats
V.4.1. Taux de reconnaissance
V.4.1.1. Méthode des SVM multiclasse
V.4.1.2. Noyau de la méthode SVM multiclasse
V.4.1.3. Paramètres pertinents
V.4.1.4. Signaux physiologiques
V.4.2. Matrice de confusion des différentes émotions
V.5. Conclusion
Conclusion générale
Annexe
Références
Bibliographiques