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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
이다빛 (가톨릭대학교) 김재호 (가톨릭대학교) 정우혁 (가톨릭대학교) 이희재 (가톨릭대학교) 이상국 (가톨릭대학교)
저널정보
한국HCI학회 한국HCI학회 학술대회 HCI 2014
발행연도
2014.2
수록면
121 - 124 (4page)

이용수

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

이 논문의 연구 히스토리 (3)

초록· 키워드

오류제보하기
Brain-Computer interfaces(BCIs)에서 Electroencephalogram(EEG)의 특징을 추출하는 것은 중요하다. 일반적으로 EEG의 특징 추출 방법으로는 Fast Fourier transform(FFT)과 Wavelet transform(WT)이 많이 사용되었다. 하지만 이러한 방법들은 신호가 linear하고 stationary 하다는 가정 하에 적용되었기 때문에 신호 분해시 신호의 왜곡이 생길 수 있다. 이에 본 논문은 움직임 상상 EEG 분류를 위해 Empirical Mode Decomposition(EMD)과 FFT를 이용하는 특징을 제안했다. 먼저 움직임 상상 EEG에 EMD를 적용하여 Implicit Mode Functions(IMF)를 추출 뒤, 추출된 IMFs에 FFT를 적용하여 해당 IMF의 주파수 성분을 확인하였다. 주파수 성분이 μ 대역을 포함하고 있는 IMF의 표준편차를 특징으로 사용하였다. 추출된 특징을 Support Vector Machine(SVM)의 입력으로 사용하였고 샘플의 검증을 위해 10-fold cross validation을 이용하였다. 제안하는 방법은 움직임 상상 EEG에 대해 84.50%의 분류 정확도를 보여주었다.

목차

요약
Abstract
1. 서론
2. 실험 방법
3. 실험 결과
4. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2015-004-001247640