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
Byoung-Jun Park (Electronics and Telecommunications Research Institute) Eun-Hye Jang (Electronics and Telecommunications Research Institute) Myoung Ae Chung (Electronics and Telecommunications Research Institute) Sang-Hyeob Kim (Electronics and Telecommunications Research Institute) Jin Hun Sohn (Chungnam National University)
저널정보
대한인간공학회 대한인간공학회 학술대회논문집 대한인간공학회 2012 30주년 기념 춘계학술대회 제 14회 한·일 공동심포지엄
발행연도
2012.5
수록면
370 - 374 (5page)

이용수

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

초록· 키워드

오류제보하기
Objective: The aim of this study is to discriminate negative emotions, such as sadness, fear, surprise, and stress using physiological signals. Background: Recently, the main topic of emotion classification research is to recognize human’s feeling or emotion using various physiological signals. It is one of the core processes to implement emotional intelligence in human computer interaction (HCI) research. Method: Electrodermal activity (EDA), electrocardiogram (ECG), skin temperature (SKT), and photoplethysmography (PPG) are recorded and analyzed as physiological signals. And emotional stimuli are audio-visual film clips which have examined for their appropriateness and effectiveness through preliminary experiment. For classification of negative emotions, five machine learning algorithms, i.e., LDF, CART, SOM, and Naive Bayes are used. Results: Result of emotion classification shows that an accuracy of emotion classification by CART (84.0%) was the highest and by LDA (50.7%) was the lowest. SOM showed emotion classification accuracy of 51.2% and Naive Bayes was 76.2%. Conclusion: We could identify that CART was the optimal emotion classification algorithm for classifying 4 negative emotions (sadness, fear, surprise, and stress). Application: This result can be helpful to provide the basis for the emotion recognition technique in HCI.
#Emotion classification #Negative emotion #Machine learning algorithm #Physiological signal

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

Emotion
Kim ,  Jung Shin International Digital Design Invitation Exhibition 2015 .07
음성의 피치 정보를 사용한 음성 인식
이규현 ,  김원구 대한전기학회 학술대회 논문집 2013 .10
A Multimodal Emotion Recognition Using the Facial Image and Speech Signal
Hyoun-Joo Go ,  Yong-Tae Kim ,  Myung-Geun Chun INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS 2005 .03
감정변화에 따른 음성정보 분석에 관한 연구
장인창 ,  박미경 ,  김태수 외 1명 한국정밀공학회 학술발표대회 논문집 2004 .10
인간의 언어체계 이해와 인공지능 대화시스템 개발의 상호작용
이지은 담화·인지언어학회 학술대회 발표논문집 2018 .04

최근 본 자료

전체보기

댓글(0)

0