메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Eui-Hwan Han (Soongsil University) Hyung-Tai Cha (Soongsil University)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제25권 제1호
발행연도
2019.1
수록면
69 - 75 (7page)
DOI
10.5302/J.ICROS.2019.18.0196

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
One of the most significant current discussion in AI(Artificial Intelligence) and HCI (Human Computer Interface) is the pattern recognition algorithm. Many methods are available for this purpose, such as, the support vector machine artificial neural network, and Bayesian decision rule. In these methods, the number of features is the most critical factor affecting the classifier performance. Therefore, we herein propose feature selection and extraction methods to obtain a more effective classifier (higher accuracy and less complexity). To do this, we apply a statistical algorithm. Before we use pattern recognition algorithms, we select features using variance and correlation coefficient. Additionally, we extract the features using the dimension reduction method. We could filter out critical features and reduce the number of features using above. For an objective evaluation, we use electroencephalogram and the survey data of the DEAP(dataset for emotion analysis using physiological signals). Additionally, we perform a comparison with the existing study. According to the performance evaluation, a classifier with higher accuracy and less computational complexity is obtained.
#machine learning #emotion recognition #feature selection #EEG

목차

Abstract
I. INTRODUCTION
II. Previous studies
III. Proposed algorithm
IV. Results and Considerations
V. Conclusion
REFERENCES

참고문헌 (14)

참고문헌 신청
고광은 / 2018 / 딥러닝 모델을 이용한 물체-사람 간 상호작용 패턴 검출 기반행동 이해 시스템 개발 / 제어.로봇.시스템학회 논문지 24(1):57~63 dbpia 심희린 / 2017 / 딥러닝 모델을 사용한 물체-사람 상호작용 패턴 출력 시스템 / 제어.로봇.시스템학회 논문지 23(5):317~322 dbpia 김원구 / 2010 / 감정에 강인한 음성 인식을 위한 음성 파라메터 / 제어.로봇.시스템학회 논문지 16(12):1137~1142 dbpia 한의환 / 2017 / A Novel Method for a Reliable Classifier using Gradients / IEIE Transactions on Smart Processing & Computing 6(1):18~20 Crossref 한의환 / 2017 / A Novel Method for Emotion Recognition based on the EEG Signal using Gradients / 전자공학회논문지 54(7):71~78 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Hybrid Feature Selection Using Genetic Algorithm and Information Theory
Jae Hoon Cho ,  Dae-Jong Lee ,  Jin-Il Pa 외 2명 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS 2013 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-003-000325028