기계학습 기반 저 복잡도 긴장 상태 분류 모델

홍은재; 박형곤

추천

검색

질문

자료유형: 학술저널

저자정보: 홍은재 (이화여자대학교) 박형곤 (이화여자대학교)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제66권 제9호

발행연도: 2017.9

수록면: 1,402 - 1,408 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Recently, services for personal biometric data analysis based on real-time monitoring systems has been increasing and many of them have focused on recognition of emotions. In this paper, we propose a classification model to classify anxiety emotion using biometric data actually collected from people. We propose to deploy the support vector machine to build a classification model. In order to improve the classification accuracy, we propose two data pre-processing procedures, which are normalization and data deletion. The proposed algorithms are actually implemented based on Real-time Traffic Flow Measurement structure, which consists of data collection module, data preprocessing module, and creating classification model module. Our experiment results show that the proposed classification model can infers anxiety emotions of people with the accuracy of 65.18%. Moreover, the proposed model with the proposed pre-processing techniques shows the improved accuracy, which is 78.77%. Therefore, we can conclude that the proposed classification model based on the pre-processing process can improve the classification accuracy with lower computation complexity.

#Classification model #Human anxiety #Complexity #Machine learning #Support vector machine

참고문헌 (18)

참고문헌 신청

S. A. Israel, J. M. Irvine, A. Cheng, M. D. Wiederhold, and B. K. Wiederhold, ECG to identify individuals, Pattern recognition, vol. 38, no. 1, pp. 133-142, 2005. K. Takahashi, Remarks on SVM-based emotion recognition from multi-modal bio-potential signals, Proceedings of IEEE International Workshop on Robot and Human Interactive Communication(ROMAN4), pp. 95-100, Sep. 2004. V. N. Vapnik, and V. Vapnik, Statistical learning theory, New York: Wiley, 1998. B. E. Boser, I. M. Guyon, and V. N. Vapnik, “A training algorithm for optimal margin classifiers,” Proceedings of the fifth annual workshop on Computational learning theory. pp. 144-152, July. 1992. E. Alpaydin, Introduction to machine learning, MIT Press, 2014.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

홍은재

소속기관 이화여자대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 전기전자공학 > 전기공학

논문수 4 이용수 596

박형곤

소속기관 이화여자대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5% 공학 > 전기전자공학 > 전기공학

논문수 61 이용수 3,937

이 논문과 함께 이용한 논문

Cell-Free 통신 시스템에서 물리계층보안을 위한 기계학습 기반 비직교 다중 접속

강민정 , 이정훈 , 이일구 한국통신학회 학술대회논문집 2024 .01

기계학습 및 심층학습에서의 인과추론의 연구 동향

이현원 , 홍권 , 홍원석 외 1명 한국통신학회 학술대회논문집 2024 .01

SVM을 이용한 멀티 모달 특징 학습의 이질성 차이 극복

Do-Hyeon Lim , Hyunchul Ahn 한국지능정보시스템학회 학술대회논문집 2023 .10

IoT, 빅데이터 그리고 인공지능

지영민 , 유준재 , 이상학 정보과학회지 2017 .07

인공지능 개요 및 적용 사례

최예림 , 김관호 ie 매거진 2016 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-560-001285512

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (18)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)