espíritu emprendedor

. Introducción
La emoción juega un papel vital en nuestra vida diaria, ya que influye en nuestra inteligencia, el comportamiento y la comunicación social. El conocimiento de las emociones humanas y sus efectos son cruciales para el desarrollo en el campo de la computación afectiva que integra las emociones en la interacción persona-ordenador (HCI) (Picard, 1997). HCI necesita tener inteligenciaemocional similar a la interacción humano-humano. Para ello, HCI necesita información sobre la experiencia emocional humana y la relación entre la experiencia emocional y la expresión afectiva. Otra área que puede beneficiarse de esto es la entrega de contenido multimedia (Koelstra et al, 2012;. Lisetti y Nasoz, 2004; Soleymani, Lichtenauer, Pun, y Pantic, 2012). Elementos multimedia, comocanciones y películas son del agrado de los espectadores 'de acuerdo a su experiencia emocional asociada a ella. Y un espectador buscará multimedia con el fin de satisfacer la necesidad emocional. Sin embargo, ahora los elementos multimedia de un día etiquetados manualmente por palabra significativa / palabras que describe su tipo, tema, contenidos fácticos o sus características afectivas. Un etiquetadoafectivo implícito automática sería etiquetar rápidamente los medios de comunicación. Un área de reciente aparición que también puede beneficiar es Neuromarketing, sabiendo que el consumidor.
decisiones emocionales y preferencias afectivas de un testamento producto ayuda en la optimización del producto (Khushaba et al., 2012, 2013). En todas estas aplicaciones, el reconocimiento de emociones esel paso más necesario y crucial.
Técnicas de reconocimiento de emoción se han desarrollado sobre la base de la expresión facial (Pantic y Rothkrantz, 2000), el habla y las señales fisiológicas como la frecuencia cardíaca y la respuesta galvánica de la piel (GSR) (Lisetti y Nasoz, 2004 (Busso et al., 2004); Picard, Vyzas, y Healey, 2001). Las señales del sistema nervios central (SNC)(electroencefalograma logram (EEG), Magnetoencefalograma (MEG), Posición de emisión de positrones (PET) y la resonancia magnética funcional (fMRI)) son más confiables en comparación con la expresión facial, el habla y las señales fisiológicas periféricas del sistema nervioso autónomo (SNA) (Petrantonakis y Hadjileontiadis, 2010a). Por ejemplo, la sonrisa no siempre puede representar positividad o acuerdo,pueden incluso representar negatividad o desacuerdo (Kappas, 2010). Por otra parte, para los pacientes que sufren de autismo, la emoción no es con- cuestados por la expresión facial. Del mismo modo en el habla, uno puede gritar cuando está enojado, mientras que se puede hablar educadamente incluso en ira. Considerando que, las señales de ANS y CNS no suelen ser controladas de manera consciente y queproporcionan información no disimulada del estado emocional actual (Tao y Tan, 2009). Pero, las señales de navegación aérea como GSR muestran propiedades similares a las de las señales de emoción impulsada por ejemplo, inspiración de la actividad física. EEG parece ser el más adecuado entre las señales del sistema nervioso central, ya que tiene una mejor resolución temporal.

En particular, menosinvestigación se ha llevado a cabo en la señal EEG basado reconocimiento de la emoción en comparación con reconocimiento de emoción de señales fisiológicas periféricas facial, habla y. Una cierta cantidad de investigación se lleva a cabo en el análisis de señales de EEG para el reconocimiento emocional donde la visual (Chanel, Kierkels, Soleymani, y Pun, 2009; Petrantonakis y Hadjileontiadis,2010b), audio (Hadjidimitriou y Hadjileontiadis, 2012; Kim y Andre, 2008), o audiovisual (Bos, 2006; Ko, Yang, y Sim, 2009) se utilizan estímulos. Además, muy pocos videos musicales usados como estímulos y consiguen un rendimiento notable. Takahashi (2004) utilizó máquinas de vectores soporte (SVM) para clasificar emoción en cinco clases: la ira, el miedo, la alegría, la relajación y la tristeza....