http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 한의환(EuiHwan Han) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
A Novel Method for Emotion Recognition based on the EEG Signal using Gradients
EuiHwan Han(한의환),HyungTai Cha(차형태) 대한전자공학회 2017 전자공학회논문지 Vol.54 No.7
감정을 분류하는 대표적인 알고리즘에는 Support-vector-machine (SVM), Bayesian decision rule 등이 있다. 하지만 기존의 연구자들은 위와 같은 방법에는 문제점이 있다고 지적하였다. 이를 보완하기 위해 다른 연구자는 경사도를 이용하여 새로운 패턴인식 알고리즘을 제안하였다. 본 논문에서는 이 알고리즘을 통해 새로운 EEG 기반의 감정 인식 알고리즘을 제안하고 기존의 연구와 비교한다. 본 논문에서는 신뢰도 높은 자료를 얻기 위해 여러 논문에서 사용된 DEAP (a database for emotion analysis using physiological signals)를 사용하였다. 또한, 객관적인 검증을 위해 기존의 연구에서 사용된 4개의 뇌파 채널(Fz, Fp2, F3, F4)의 PSD (Power Spectral Density)를 특징으로 사용하여 감정의 2개 척도 (Arousal, Valence)를 분류하였다 본 논문에서 실시한 교차검증 (4-fold)에 의하면 Valence 축에서 85%, Arousal 축에서 87.5의 정확도를 얻을 수 있었다. There are several algorithms to classify emotion, such as Support-vector-machine (SVM), Bayesian decision rule, etc. However, many researchers have insisted that these methods have minor problems. Therefore, in this paper, we propose a novel method for emotion recognition based on Electroencephalogram (EEG) signal using the Gradient method which was proposed by Han. We also utilize a database for emotion analysis using physiological signals (DEAP) to obtain objective data. And we acquire four channel brainwaves, including Fz (α), Fp2 (β), F3 (α), F4 (α) which are selected in previous study. We use 4 features which are power spectral density (PSD) of the above channels. According to performance evaluation (4-fold cross validation), we could get 85% accuracy in valence axis and 87.5% in arousal. It is 5-7% higher than existing method’s.
-
A Novel Method for Emotion Recognition based on the EEG Signal using Gradients
한의환,차형태,Han, EuiHwan,Cha, HyungTai The Institute of Electronics and Information Engin 2017 전자공학회논문지 Vol.26 No.10
There are several algorithms to classify emotion, such as Support-vector-machine (SVM), Bayesian decision rule, etc. However, many researchers have insisted that these methods have minor problems. Therefore, in this paper, we propose a novel method for emotion recognition based on Electroencephalogram (EEG) signal using the Gradient method which was proposed by Han. We also utilize a database for emotion analysis using physiological signals (DEAP) to obtain objective data. And we acquire four channel brainwaves, including Fz (${\alpha}$), Fp2 (${\beta}$), F3 (${\alpha}$), F4 (${\alpha}$) which are selected in previous study. We use 4 features which are power spectral density (PSD) of the above channels. According to performance evaluation (4-fold cross validation), we could get 85% accuracy in valence axis and 87.5% in arousal. It is 5-7% higher than existing method's. 감정을 분류하는 대표적인 알고리즘에는 Support-vector-machine (SVM), Bayesian decision rule 등이 있다. 하지만 기존의 연구자들은 위와 같은 방법에는 문제점이 있다고 지적하였다. 이를 보완하기 위해 다른 연구자는 경사도를 이용하여 새로운 패턴인식 알고리즘을 제안하였다. 본 논문에서는 이 알고리즘을 통해 새로운 EEG 기반의 감정 인식 알고리즘을 제안하고 기존의 연구와 비교한다. 본 논문에서는 신뢰도 높은 자료를 얻기 위해 여러 논문에서 사용된 DEAP (a database for emotion analysis using physiological signals)를 사용하였다. 또한, 객관적인 검증을 위해 기존의 연구에서 사용된 4개의 뇌파 채널(Fz, Fp2, F3, F4)의 PSD (Power Spectral Density)를 특징으로 사용하여 감정의 2개 척도 (Arousal, Valence)를 분류하였다. 본 논문에서 실시한 교차검증 (4-fold)에 의하면 Valence 축에서 85%, Arousal 축에서 87.5의 정확도를 얻을 수 있었다.
-
-
가우시안 혼합모델과 경사도 방법을 이용한 효과적인 감정분류에 대한 연구
한의환(EuiHwan Han),차형태(HyungTai Cha) 대한전자공학회 2018 전자공학회논문지 Vol.55 No.7
AI(Artificial Intelligence), Robotics 등의 분야에서 EEG(electroencephalogram)를 이용한 감정분류에 관한 연구들이 활발히 진행되고 있다. 대표적인 감정분류 알고리즘에는 SVM(Support Vector Machine), 베이지안 결정방법, 경사도 방법 등이 있다. 하지만 기존에 연구자에 의하면, 사람의 감정의 경우 동일한 감정 일지라도 개인의 차이에 의해서 산발적인 데이터 분포가 발생할 수 있다고 주장하였다. 이를 보완하기 위해 본 논문에서는 기존에 있던 경사도 방법을 이용한 감정분류기에 가우시안 혼합 모델 방법을 적용해 더욱 효과적인 감정분류기를 제안한다. 본 논문에서는 객관적인 비교검증을 위해, 기존의 연구에서 사용한 DEAP (database for emotion analysis using physiological signals) 데이터를 이용하였다. 사용된 특징은 4개의 채널(Fz, Fp2, F3, F4)에서 추출한 EEG 신호의 PSD(Power Spectral Density)를 이용하며, 감정의 2가지 특성(Arousal, Valence)을 분류하였다. 본 논문에서 제안하는 방법을 통해 기존 대비 약 4∼5% 정도 높은 정확도를 가지는 감정분류기를 얻을 수 있었다. In AI(Artificial intelligence), Robotics fields, many researchers have shown an increased interest in emotion recognition. There were many classification methods including SVM(Support Vector Machine), Bayessian decision rule, gradient method, etc. However, other researcher have insisted that emotion data could have sporadic(unbiased) distribution even though it is same emotion (because of individual difference). Therefore, we apply Gaussian mixture model to existing classifier(using gradient method) to propose more effective emotional classifier. In this paper, we utilize DEAP(database for emotion analysis using physiological signals) dataset to objective verification. Selected features were PSD(Power Spectral Density) of 4 EEG channels which were located in Fz, Fp2, F3, F4. And we classify 2 emotional elements including arousal and valence. According to our performance evaluation, our classifier has 4∼5% higher accuracy than existing one.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
