도움말

Iterative Naive Bayes classifier Design method for Effective Emotion Classification

효과적인 감정 분류를 위한 반복적 나이브 베이지안 분류기 설계
전자공학회논문지 제54권 제12호(통권 제481호), 2017.12, 119-126 (8 pages)
DOI :10.5573/ieie.2017.54.12.119
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 25건
피인용수 : 0건
분야내 활용도 : 15%
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
가우시안 나이브 베이지안 분류기는 지도 학습(Supervised Learninig)방법 중의 하나로 데이터의 분포를 가우시안으로 가정하고 베이즈룰을 이용하여 데이터를 분류한다. 이러한 가우시안 나이브 베이지안 분류기는 주로 사람의 감정 상태를 분류, 판단하는 연구에서 사용된다. 본 논문에서는 가우시안 나이브 베이지안 분류기에 반복 알고리즘을 적용시켜 더욱 효과적인 분류기 설계 방법을 제안한다. 기존의 방법의 경우 훈련 데이터(Training data)를 이용하여 고정된 분류기를 설계하고, 이 분류기를 검증 집합(Validation data)을 이용하여 평가하였다. 하지만 고정된 분류기는 감정과 같이 개개인의 차이로 인해 생기는 산발적인 데이터를 분류할 때 문제점이 발생하며 딥러닝이나 AI 분야에 적용하기 어렵다. 따라서 본 논문에서 기존의 가우시안 나이브 베이지안 분류기에 반복 알고리즘을 적용하여 이를 보안한다. 제안하는 방법에서는 검증 집합을 이용하여 평가할 때, 실제론 그 부류에 속하는 데이터이지만 오분류된 데이터를 기억한다. 오분류 데이터 개수가 일정 수준이 넘어가면 이를 기존의 훈련 집합에 포함하여 분류기를 재설계한다. 본 논문에서 제안하는 분류기의 성능을 평가하기 위해 DEAP 데이터 중 EEG 신호를 이용하였으며, 검증 결과 기존보다 정확도 높은 분류기를 얻을 수 있었다.

This Gaussian Naive Bayes(GNB) classifier is one of the supervised learning method, assuming that the distribution of data is Gaussian, and classifying data using Bayes’ rule. The GNB classifier is commonly used in many studies to classify the state of human emotions. In this paper, we apply iterative algorithm to the GNB classifier so that we suggest more effective method for designing classifier. In the existing method, GNB classifier(fixed) could be obtained using learning set, and it is evaluated using validation set. However, this fixed classifier could have problems when it classifies scattered data like emotion (because of individual difference). Furthermore, it is also hard to apply AI or deep-learning fields. Therefore, we apply iterative algorithm to compensate existing classifier. Our method design GNB classifier and memorize misclassification data which is actually belong to the class when the classifier is evaluated. And if the number of these data goes beyond a certain level, we update the classifier iteratively using it. We utilize EEG(Electroencephalogram) signal to verify our classifier and we could obtain designing method of classifier with higher accuracy than the existing one.

목차
요약
Abstract
Ⅰ. Introduction
Ⅱ. Related Work
Ⅲ. Troubleshooting
Ⅳ. The Proposed Algorithm
Ⅴ. Results and Conclusion
REFERENCES
키워드

논문의 주요 키워드를 제공합니다. 키워드를 클릭하여 관련 논문을 확인해 보세요!

참고문헌 (11)

현재 논문의 참고문헌을 찾아 신청해주세요!

  1. I. S. Oh., Pattern Recognition, Seoul: Kyobobook Press.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
인용된 논문 (0)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

해당 논문은 인용된 논문 정보가 없습니다.

제 1 저자의 다른 논문 (17)

EuiHwan Han 식별저자 저자의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
권호 내 다른 논문 (29)

전자공학회논문지 제54권 제12호(통권 제481호) 의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 3
  •  
  • 다음
  •  
  • 마지막
추천 논문 (10)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

더 많은 추천논문을 확인해 보세요!

함께 다운받은 논문

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수
1 연세대학교 3
2 성균관대학교 자연과학캠퍼스 2
3 전북대학교 2

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

피인용수

상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동