최근 인공지능 기술의 발달과 더불어 감정인식은 중요한 연구 분야로 대두되고 있다. 기존의 음성, 얼굴을 기반으로 한 감정연구에서 최근에는 보다 객관적인 뇌파 등과 같은 생체신호를 활용하는 연구로 확대되고 있다. 본 연구에서 는 뇌파 데이터를 활용하여 긍/부정에 대한 뇌파에 특징요소를 추출하고, 대표적인 기계학습 분류기인 SVM(Support Vector Machine) 분류기를 활용하여 감정분류를 진행하였다. 뇌파 신호에 대한 전처리를 통하여 몸과 눈의 움직임(eye-blick)과 같은 방해파를 제거하였다. 특징요소 추출을 위하여 전처리된 뇌파 데이터를 10ms 당 데이터의 평균값을 생성하고, 이를 50%로 중첩하는 방법으로 1ms 단위의 이미지를 형성하였다. 추출된 특징요 소는 대표적인 기계학습 분류기인 SVM을 사용하여 감정분류를 진행하였다. 그 결과, 3가지 감정에 대하여 평균 94.6%의 결과를 도출하였다. 본 연구의 결과는 감정분류에 있어서 시계열 데이터를 이미지화하는 방법으로 특징을 추출하였다. 향후 시계열 데이터 처리에 있어서 새로운 특징요소 추출방법으로 활용 가능하며, 또한, 감정을 세분화 하여 다양한 기계학습 알고리즘에 적용할 수 있는 새로운 접근법을 제안한 것에 의의를 둔다.
더보기According to the development of artificial intelligence, emotion recognition has emerged as an important element from psychology to engineering. In the previous research, there are various of materials such as voice, motion, and behaviors. However, these responses have a weakness to identify real emotional states because of making the faking voice or hiding facial expression unlike their emotion as intended by oneself. Some studies related to emotion recognition have extended to study emotion recognition using physiological signals such as electroencephalogram (EEG), electrocardiogram (ECG), skin conductance (SKT) and respiration. In this study, we performed the emotion recognition using SVM (Support Vector Machine) with public open database. The EEG signals conducted the preprocessing for removal to artifacts such as muscle and eye blicks. In the feature extraction, the window size is 10 seconds and 50% overlap and the output image data is produced per 1ms. As a result, we achieved the classification average accuracy of 94.6% among three emotion, positive, negative and calm. In conclusion, this proposed method is a novel approach for deal with time-series data such as voice and physiological signals. Also, we proposed that feature extraction relates to emotion recognition for machine learning.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2027 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2018-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2011-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2010-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2008-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.68 | 0.68 | 0.62 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.56 | 0.51 | 0.557 | 0.26 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)