메뉴 건너뛰기
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
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술대회자료
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(가톨릭대학교) (가톨릭대학교) (가톨릭대학교) (가톨릭대학교) (가톨릭대학교)
저널정보
한국HCI학회 한국HCI학회 학술대회 HCI 2014
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    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.
    #Electroencephalogram (EEG) #Empirical Mode Decomposition (EMD) Support Vector Machine (SVM) #Brain-Computer Interface (BCI) #Fast Fourier transform (FFT) #Wavelet transform (WT)

    본문·목차

    최근 본 자료 전체보기

      260723_DBpiaAI질문3
      260319_딥리서치
      260319_AI리더
      260907 이주의질문
      260304_아그논문롤
      260127_아그논문
      260604_KRpiaAI
      260127_AI뷰어
      260824_성공적인 대학생활 클래스
      260824_논문작성법특강
      260731_DBpia,DBpiaAI,Citeasy
      UCI(KEPA) : I410-ECN-0101-2015-004-001247640