Feature Selecting Algorithm Development Based on Physiological Signals for Negative Emotion Recognition

Emotion is closely related to the life of human, so has effect on many parts such as concentration, learning ability, etc. and makes to have different behavior patterns. The purpose of this paper is to extract important features based on physiological signals to recognize negative emotion. In this paper, after acquisition of electrocardiography(ECG), electroencephalography(EEG), skin temperature(SKT) and galvanic skin response(GSR) measurements based on physiological signals, we designed an accurate and fast algorithm using combination of linear discriminant analysis(LDA) and genetic algorithm(GA), then we selected important features. As a result, the accuracy of the algorithm is up to 96.4% and selected features are Mean, root mean square successive difference(RMSSD), NN intervals differing more than 50ms(NN50) of heart rate variability(HRV), ${\sigma}$ and ${\alpha}$ frequency power of EEG from frontal region, ${\alpha}$, ${\beta}$, and ${\gamma}$ frequency power of EEG from central region, and mean and standard deviation of SKT. Therefore, the features play an important role to recognize negative emotion.

부정감성 인식을 위한 생체신호 기반의 특징 선택 알고리즘 개발

감성은 인간의 삶과 밀접한 관련을 가지고 있으며 이는 집중력, 학습능력 등 많은 부분에 영향을 주어 다양한 행동 패턴을 가지게 한다. 따라서 본 논문의 목적은 부정감성을 구분하기 위하여 생체신호를 기반으로 주요한 특징들을 추출하는 것이다. 이를 위해 본 논문에서는 심전도, 뇌파, 피부 온도와 피부전도도를 기반으로 생체신호를 측정한 후, 선형분류기와 유전 알고리즘의 조합으로 정확하고 신속한 알고리즘 개발하고, 주요 특징을 추출하였다. 그 결과, 알고리즘은 최대 96.4%의 정확도를 가짐을 확인할 수 있었고, 추출된 파라미터는 심박변이도의 Mean, RMSSD, NN50과 뇌파의 전두엽 영역에서의 ${\sigma}$파와 ${\alpha}$파의 주파수 파워, 두정엽 영역에서 ${\alpha}$파, ${\beta}$파, ${\gamma}$파와 의 주파수 파워, 그리고 피부온도의 평균과 표준편차 값이었다. 이에 따라 각 각의 생체신호를 기반으로 한 추출 된 특징들은 부정감성의 분류에 있어 중요한 역할을 함을 확인할 수 있었다.