가우시안 혼합모델과 경사도 방법을 이용한 효과적인 감정분류에 대한 연구

Abstract

AI(Artificial Intelligence), Robotics 등의 분야에서 EEG(electroencephalogram)를 이용한 감정분류에 관한 연구들이 활발히 진행되고 있다. 대표적인 감정분류 알고리즘에는 SVM(Support Vector Machine), 베이지안 결정방법, 경사도 방법 등이 있다. 하지만 기존에 연구자에 의하면, 사람의 감정의 경우 동일한 감정 일지라도 개인의 차이에 의해서 산발적인 데이터 분포가 발생할 수 있다고 주장하였다. 이를 보완하기 위해 본 논문에서는 기존에 있던 경사도 방법을 이용한 감정분류기에 가우시안 혼합 모델 방법을 적용해 더욱 효과적인 감정분류기를 제안한다. 본 논문에서는 객관적인 비교검증을 위해, 기존의 연구에서 사용한 DEAP (database for emotion analysis using physiological signals) 데이터를 이용하였다. 사용된 특징은 4개의 채널(Fz, Fp2, F3, F4)에서 추출한 EEG 신호의 PSD(Power Spectral Density)를 이용하며, 감정의 2가지 특성(Arousal, Valence)을 분류하였다. 본 논문에서 제안하는 방법을 통해 기존 대비 약 4∼5% 정도 높은 정확도를 가지는 감정분류기를 얻을 수 있었다.