본 논문에서는 EEG신호를 사용하여 인간의 감점을 분류하는 시스템에 관한 실험을 수행하였다. EEG 시스템을 사용하여 데이터를 수집하였고 30명의 피험자에게 시각자극을 통하여 감정을 유발시켰다. 또한 본 논문에서는 PCA기법을 사용하여 EEG 신호를 인식하는 성능을 향상시키는 방법도 제시하였다. 먼저 EEGLAB의 도구상자의 기능인 FIR 필터를 EEG 신호에 적용하여 잡음을 제거하였다. 그런 뒤에 PCA를 적용하여 데이터의 차수를 줄이고 분석율을 높이기 위한 특징점을 추출하였다. 마지막으로 분석표준안을 유크리디안 거리에 의한 ...
본 논문에서는 EEG신호를 사용하여 인간의 감점을 분류하는 시스템에 관한 실험을 수행하였다. EEG 시스템을 사용하여 데이터를 수집하였고 30명의 피험자에게 시각자극을 통하여 감정을 유발시켰다. 또한 본 논문에서는 PCA기법을 사용하여 EEG 신호를 인식하는 성능을 향상시키는 방법도 제시하였다. 먼저 EEGLAB의 도구상자의 기능인 FIR 필터를 EEG 신호에 적용하여 잡음을 제거하였다. 그런 뒤에 PCA를 적용하여 데이터의 차수를 줄이고 분석율을 높이기 위한 특징점을 추출하였다. 마지막으로 분석표준안을 유크리디안 거리에 의한 통계적 방법으로 설계하였다. 감정분석의 실험에서는 다섯개의 감정, 즉 차분함, 슬픔, 공포, 행복, 그리고 중립감이 사용되었다. 우리의 실험 결과는 PCA가 감정들의 분석에 효율적이라는 것을 증명하였다. EEG 신호의 최고 분석 결과는 96%에 달하였다.
본 논문에서는 EEG신호를 사용하여 인간의 감점을 분류하는 시스템에 관한 실험을 수행하였다. EEG 시스템을 사용하여 데이터를 수집하였고 30명의 피험자에게 시각자극을 통하여 감정을 유발시켰다. 또한 본 논문에서는 PCA기법을 사용하여 EEG 신호를 인식하는 성능을 향상시키는 방법도 제시하였다. 먼저 EEGLAB의 도구상자의 기능인 FIR 필터를 EEG 신호에 적용하여 잡음을 제거하였다. 그런 뒤에 PCA를 적용하여 데이터의 차수를 줄이고 분석율을 높이기 위한 특징점을 추출하였다. 마지막으로 분석표준안을 유크리디안 거리에 의한 통계적 방법으로 설계하였다. 감정분석의 실험에서는 다섯개의 감정, 즉 차분함, 슬픔, 공포, 행복, 그리고 중립감이 사용되었다. 우리의 실험 결과는 PCA가 감정들의 분석에 효율적이라는 것을 증명하였다. EEG 신호의 최고 분석 결과는 96%에 달하였다.
In this thesis, an experiment based human emotion classification system using electroencephalogram (EEG) is proposed. The data used in this study is acquired using EEG and the emotions are elicited from thirty human subjects under the effect of vision stimuli. This thesis also proposed an approach t...
In this thesis, an experiment based human emotion classification system using electroencephalogram (EEG) is proposed. The data used in this study is acquired using EEG and the emotions are elicited from thirty human subjects under the effect of vision stimuli. This thesis also proposed an approach to improve the classification performance in identifying EEG signals, which classify EEG signals by Principal Component Analysis (PCA). First, we used EEGLAB toolbox to remove noise signal from EEG signals by EEGLAB. Then PCA was utilized for feature extraction to reduce data dimension and improve the classification accuracy. Finally, the classification standard was designed by Euclidean distance statistics. In the experiment of emotional classification, five types of emotions: calm, sad, scared, happy, and neutral were used. Our experiment results are proved that PCA is an effective method for classification of different activities. The best accuracy rate for classification of EEG signals is 96%.
In this thesis, an experiment based human emotion classification system using electroencephalogram (EEG) is proposed. The data used in this study is acquired using EEG and the emotions are elicited from thirty human subjects under the effect of vision stimuli. This thesis also proposed an approach to improve the classification performance in identifying EEG signals, which classify EEG signals by Principal Component Analysis (PCA). First, we used EEGLAB toolbox to remove noise signal from EEG signals by EEGLAB. Then PCA was utilized for feature extraction to reduce data dimension and improve the classification accuracy. Finally, the classification standard was designed by Euclidean distance statistics. In the experiment of emotional classification, five types of emotions: calm, sad, scared, happy, and neutral were used. Our experiment results are proved that PCA is an effective method for classification of different activities. The best accuracy rate for classification of EEG signals is 96%.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.