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
학술대회자료
저자정보
저널정보
대한인간공학회 대한인간공학회 학술대회논문집 대한인간공학회 2011 춘계학술대회 및 워크샵
발행연도
2011.5
수록면
355 - 358 (4page)

이용수

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

초록· 키워드

오류제보하기
Objective: The purpose of this study was to classify three negative emotions, i.e., anger, fear and surprise using physiological signals. Background: Previous researches show that anger, fear and surprise could cause disease, such as cardiovascular disease. If we can recognize what kinds of negative emotion people experience, it will help people to deal with the emotion or the disease which the specific emotion causes. Method: One hundred twenty-nine adults and 88 adolescents participated in this study. Anger, fear and surprise emotions were induced by using audio-visual film clips. The physiological signals were measured for 30 seconds each during the rest period and the emotional state. The obtained signals then analyzed, resulting in 18 features of physiological signals. Three different emotions were classified by two classifiers using Discriminant Analaysis and Support Vector Machine(SVM). Results: The analysis on the obtained three different emotions resulted in the classification rate on 72.6% on Discriminant Analaysis, 56.9% on SVM. Conclusion: Although this study showed moderate accuracy, it still has achieved emotional responses through various participants compared to other studies which collected data from one participant. In future studies, emotion classification methods are needed to include other signal such as face expression to improve classification rate. Application: By using these data and algorithms, we will recognize user’s emotion, and provide proper feedback.
#U-health care #Psychophysiology #Emotion classification.

목차

ABSTRACT
1. Introduction
2. Method
3. Results
4. Conclusion
Acknowledgements
References
Author listings

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

이 논문과 함께 이용한 논문

인간의 언어체계 이해와 인공지능 대화시스템 개발의 상호작용
이지은 담화·인지언어학회 학술대회 발표논문집 2018 .04
고령자를 위한 음성인식 가상비서 서비스의 개선방향 연구
용아롱 ,  윤재영 한국HCI학회 학술대회 2018 .01
SNS Chatbot 어플리케이션을 이용한 공공 IoT 서비스 시스템
김진욱 ,  한예림 ,  이승희 외 2명 한국HCI학회 학술대회 2018 .01
자동화된 챗봇 기반 사건-연계 경험표집법(ESM) : TV 시청 맥락 연구를 중심으로
김준한 ,  김민준 ,  김진영 외 1명 한국HCI학회 학술대회 2018 .01
챗봇의 대화형 인터페이스 디자인을 위한 대화형 맵 및 가이드라인
유한나 ,  최지윤 ,  한상진 외 1명 한국HCI학회 학술대회 2018 .01

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2013-530-001644693