Geri Dön

Estimation of Human Emotional Parameters Under Olfactory Stimulus

Koku Uyaranı Altında İnsan Duygusal Parametrelerinin Tahmini

  1. Tez No: 1018918
  2. Yazar: KIMIA ESKANDARI
  3. Danışmanlar: Prof. Dr. AYDIN AKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: İngilizce
  9. Üniversite: İzmir Ekonomi Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
  12. Bilim Dalı: Biyomühendislik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İnsan duyguları, karar verme süreçleri ve tüketici davranışları üzerinde önemli bir rol oynamaktadır. Bu nedenle duygu tanıma, sinirbilim ve nöropazarlama alanlarında önemli bir araştırma konusudur. İki boyutlu Uyarılma–Değerlik (Arousal–Valence) modeli, duygusal durumların temsilinde yaygın olarak kullanılmaktadır. Bu modelde uyarılma, duygunun şiddetini; değerlik ise duygunun olumlu ya da olumsuz niteliğini ifade eder. Elektroensefalografi (EEG), bu duygusal tepkilerle ilişkili beyin aktivitesini ölçmek için invaziv olmayan bir yöntem sunmaktadır. Bu çalışmada, koku uyaranlarının tüketicilerin bilişsel ve duygusal durumları üzerindeki etkisi EEG sinyalleri kullanılarak incelenmiştir. Deney, biri kokulu diğeri kokusuz olmak üzere iki farklı ürün ambalajı koşuluna maruz bırakılan 60 katılımcı ile gerçekleştirilmiştir. Her maruziyetin ardından katılımcılar, uyarılma ve değerlik düzeylerini değerlendirmek amacıyla öz değerlendirme anketini doldurmuştur. Kaydedilen EEG sinyalleri, gürültü ve artefaktların giderilmesi amacıyla ön işleme tabi tutulmuş, ardından EEG sinyallerini İçsel Kip Fonksiyonlarına (Intrinsic Mode Functions, IMF) ayıran Ampirik Kip Ayrıştırma (Empirical Mode Decomposition, EMD) yöntemi uygulanmıştır. Duygu tanıma performansını karşılaştırmak için hem orijinal EEG sinyallerinden hem de IMF'lerden zamansal, spektral ve doğrusal olmayan özellikler çıkarılmıştır. Elde edilen özellikler, uyarılma ve değerlik durumlarını belirlemek için Destek Vektör Makineleri (SVM) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak sınıflandırılmıştır. Sonuçlar, IMF'lerden elde edilen özelliklerin ham EEG sinyallerinden çıkarılan özelliklere kıyasla daha başarılı olduğunu göstermektedir. Bulgular, EMD ile EEG analizinin birleştirilmesinin koku kaynaklı duygusal tepkilerin belirlenmesinde daha etkili bir yaklaşım sunduğunu ortaya koymaktadır. Önerilen yöntem, koku, beyin aktivitesi ve tüketici duyguları arasındaki ilişkinin anlaşılmasına katkı sağlayarak nöropazarlama, tüketici araştırmaları ve duygu farkındalığına sahip akıllı sistemlerde gelecekte etkili ve güvenilir biçimde yaygın olarak kullanılabilir.

Özet (Çeviri)

Human emotions play a significant role in decision-making and consumer behavior, an important research area in neuroscience and neuro-marketing. The two-dimensional Arousal–Valence model is widely used to represent emotional states, where arousal describes emotional intensity and valence reflects the positive or negative nature of an emotion. Electroencephalography (EEG) provides a non-invasive method for measuring brain activity associated with these emotional responses. This study investigates the effects of olfactory stimuli on consumers' cognitive and emotional states using EEG signals. The experiment involved 60 participants who were exposed to two product packaging conditions: one scented and one unscented. After each exposure, participants completed a self-assessment questionnaire to evaluate their arousal and valence levels. The recorded EEG signals were preprocessed to remove noise and artifacts before applying Empirical Mode Decomposition (EMD), which decomposes EEG signals into Intrinsic Mode Functions (IMFs). Time-domain, spectral, and nonlinear features were extracted from both the original EEG signals and the IMFs to compare their effectiveness in emotion recognition. The extracted features were classified using Support Vector Machine (SVM) and k-Nearest Neighbor (KNN) algorithms to identify arousal and valence states. The results show that features extracted from IMFs achieved better classification performance than those obtained directly from raw EEG signals. These findings suggest that combining EMD with EEG analysis provides a more effective framework for detecting emotional responses to olfactory stimuli. The proposed approach contributes to a better understanding of the relationship between scent, brain activity, consumer emotions, with potential applications in, consumer research, and emotion-aware intelligent systems.

Benzer Tezler

  1. Tez No

    962015

    Detection of human emotional parameters under different olfactory stimuli using EEG signals and deep learning

    Farklı koku uyaranları altında EEG sinyalleri ve derin öğrenme kullanılarak insan duygusal parametrelerinin tespiti

    ONUR AKDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

  2. Tez No

    546331

    Removal of odor emissions from food fermentation and petrochemical production processes with using biological treatment methods

    Gıda fermentasyon ve petrokimya üretim sektörleri kaynaklı koku emisyonlarının biyolojik arıtma yöntemleri ile giderilmesi

    İLKER AKMIRZA

    Doktora

    İngilizce

    İngilizce

    2019

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. KADİR ALP

  3. Tez No

    467199

    Real-time emotion recognition from EEG signals using one electrode device

    Tek elektrotlu cihaz ile EEG sinyallerinden gerçek zamanlı duygu tanıma

    MEHMET ALİ SARIKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÖKHAN İNCE

  4. Tez No

    464972

    Identification of coupled systems of stochastic differential equations in finance including investor sentiment by multivariate adaptive regression splines

    Finansta yatırımcı duyarlılığını içeren bağlantılı stokastik diferensiyel denklem sistemlerinin çok değişkenli uyarlanabilir regresyon eğrileri tarafından tanımlanması

    BETÜL KALAYCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    MatematikOrta Doğu Teknik Üniversitesi

    Finansal Matematik Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. GERHARD WİEHELM WEBER

  5. Tez No

    676251

    Çalışma belleği ve negatif değerlikli duyguların EEG tabanlı kestirim sistemi

    EEG based working memory and negative emotional valence estimation system

    BORA CEBECİ

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

Geri Dön