• Healthcare Informatics Research
• /
• 제24권4호
• /
• pp.309-316
• /
• 2018

Objectives: Both the valence and arousal components of affect are important considerations when managing mental healthcare because they are associated with affective and physiological responses. Research on arousal and valence analysis, which uses images, texts, and physiological signals that employ deep learning, is actively underway; research investigating how to improve the recognition rate is needed. The goal of this research was to design a deep learning framework and model to classify arousal and valence, indicating positive and negative degrees of emotion as high or low. Methods: The proposed arousal and valence classification model to analyze the affective state was tested using data from 40 channels provided by a dataset for emotion analysis using electrocardiography (EEG), physiological, and video signals (the DEAP dataset). Experiments were based on 10 selected featured central and peripheral nervous system data points, using long short-term memory (LSTM) as a deep learning method. Results: The arousal and valence were classified and visualized on a two-dimensional coordinate plane. Profiles were designed depending on the number of hidden layers, nodes, and hyperparameters according to the error rate. The experimental results show an arousal and valence classification model accuracy of 74.65 and 78%, respectively. The proposed model performed better than previous other models. Conclusions: The proposed model appears to be effective in analyzing arousal and valence; specifically, it is expected that affective analysis using physiological signals based on LSTM will be possible without manual feature extraction. In a future study, the classification model will be adopted in mental healthcare management systems.

• 한국도서관정보학회지
• /
• 제47권2호
• /
• pp.51-70
• /
• 2016

이 연구의 목적은 한글로 된 주요감정단어들의 리스트를 대상으로 의미적 관계의 네트워크와 극성과 각성의 범주를 분석하는데 있다. 분석결과는 다음과 같다. 첫째, 감정단어 네트워크에서 각 감정단어들은 의미적으로 연결되어 있었다. 이것은 의미적 유사성에 따라 감정단어들의 유형을 구분하는 것을 어렵게 하는 특징이다. 대신에 의미적 관계의 감정단어 네트워크에서 중심적인 역할을 수행하는 감정단어들을 확인할 수 있었다. 둘째, 극성과 각성의 차원을 혼합한 범주에서, 많은 감정단어들은 부정적인 극성과 높은 각성의 단어들 집단과 부정적인 극성과 중간수준 각성의 단어들 집단으로 분류되었다. 이러한 한글감정단어의 특성들은 도서관이나 문헌정보에 나타나는 각종 텍스트 데이터의 감정분석에 유용하게 활용될 것이다.

• 산업경영시스템학회지
• /
• 제35권2호
• /
• pp.64-70
• /
• 2012

This paper presents a statistical analysis method for the selection of electroencephalogram (EEG) electrode positions and spectral features to recognize emotion, where emotional valence and arousal are classified into three and two levels, respectively. Ten experiments for a subject were performed under three categorized IAPS (International Affective Picture System) pictures, i.e., high valence and high arousal, medium valence and low arousal, and low valence and high arousal. The electroencephalogram was recorded from 12 sites according to the international 10~20 system referenced to Cz. The statistical analysis approach using ANOVA with Tukey's HSD is employed to identify statistically significant EEG electrode positions and spectral features in the emotion recognition.

• 한국음향학회지
• /
• 제42권1호
• /
• pp.75-82
• /
• 2023

본 연구의 목적은 다른 음역대의 목소리로 노래한 음악(고음역대, 저음역대)과 불려진 음악이 조성적으로 다른 경우(장조/단조) 감상자가 경험하는 정서적 반응에 차이가 있는지를 살펴보았다. 음악은 첫째 옥타브 차이를 두고 높은 음역대와 낮은 음역대의 가창 영역과 둘째, 조성적 변인을 통제하기 위해 장조와 단조를 사용한 총 네 가지 음원을 사용하였다. 총 188명의 여성 대학생들이 온라인 설문으로 참여하였으며 시각아날로그척도(Visual Analogue Scale)을 사용하여 지각한 정서가와 각성 수준을 기록하였다. 수집된 자료는 two-way analysis of variance(ANOVA)를 이용하여 분석하였다. 분석 결과 두 음역대 간의 유의미한 정서 반응 차이를 보여주었으며 정서가(valence)보다는 각성 수준(arousal level)에 더 많은 차이를 보여주었다. 둘째, 조성 또한 정서가와 각성 수준에 영향을 미쳤으나 두 정서 변인 중에서는 정서가에 더욱 큰 차이를 보였다. 또한 교호작용을 분석한 결과 음역대와 조성의 상호작용이 정서가에게는 큰 영향을 미치지만 각성에는 영향을 미치지 않는다는 것을 보여주었다. 더 나아가 감상자들이 단조 음악의 높은 음역대 조건에서 가장 부정적인 정서가를 보여주였고 단조 음악의 낮은 음역대 조건에서는 가장 낮은 각성 반응을 보여주었다. 이러한 결과는 음악 감상시 그 음악의 음역대와 조성을 고려해서 선곡해야 함을 암시한다.

• 산업경영시스템학회지
• /
• 제37권1호
• /
• pp.1-8
• /
• 2014

This paper proposes an emotion classifier from EEG signals based on Bayes' theorem and a machine learning using a perceptron convergence algorithm. The emotions are represented on the valence and arousal dimensions. The fast Fourier transform spectrum analysis is used to extract features from the EEG signals. To verify the proposed method, we use an open database for emotion analysis using physiological signal (DEAP) and compare it with C-SVC which is one of the support vector machines. An emotion is defined as two-level class and three-level class in both valence and arousal dimensions. For the two-level class case, the accuracy of the valence and arousal estimation is 67% and 66%, respectively. For the three-level class case, the accuracy is 53% and 51%, respectively. Compared with the best case of the C-SVC, the proposed classifier gave 4% and 8% more accurate estimations of valence and arousal for the two-level class. In estimation of three-level class, the proposed method showed a similar performance to the best case of the C-SVC.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.27-36
• /
• 2019

본 연구에서는 공개된 뇌파 데이터인 DEAP(A Database for Emotion Analysis using Physiological Signals) 데이터 세트를 활용한 감정분류 분석 및 정확도 향상에 대한 실험을 진행하였다. 실험에는 32명에 대한 32개의 뇌파측정 채널 데이터가 모두 사용되었다. 전처리과정에서는 뇌파 데이터에 대한 256Hz 샘플링작업을 진행하였고, 유한 임펄스 응답 필터를 사용하여 주파수 대역별로 쎄타(4-8Hz), 슬로 알파(8-10Hz), 알파(8-12Hz), 베타(12-30Hz), 감마(31-45Hz) 파형에 대한 데이터를 추출하였다. 추출한 데이터는 시간-주파수 변형을 통하여 데이터의 상태를 구분한 후에, 독립성분분석방법을 통해 잡음(Artifact)을 제거하여 데이터를 정제했다. 도출된 데이터는 분류기 기계학습 알고리즘 실험을 시행할 수 있도록 CSV 파일로 변형 하였으며, 감정분류에는 Arousal-Valence 평면을 사용하였다. 감정은 "긍정적(Positive)", "부정적(Negative)" 이외에 평온한 상태로 존재하는 "중립적(Neutral)"의 3가지 상태로 분류하였다. 정확도를 개선하기 위해서 랜덤 포레스트(Random Forest) 알고리즘에 속성 선택적 분류기(Attribute Selected Classifier: ASC) 방식에 의해 선택된 속성을 적용하여 실험하였다. 정확도는 "각성(Arousal)" 부분에서 Koelstra의 결과보다 "32.48%" 높은 결과가 도출되었고, Liu의 실험의 "정서가(Valence)"와 비교해보면 ASC(Random Forest) 결과가 "8.13%" 더 높은 결과를 도출하였다. 정확도를 개선하기 위해 ASC 방식을 적용한 랜덤 포레스트 분류기 실험결과에서는 전체평균을 기준으로 기존 연구 결과와 대비하여 "2.68%" 높은 정확도가 도출되었다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 1997년도 한국감성과학회 연차학술대회논문집
• /
• pp.220-223
• /
• 1997

The International Affective Picture System (IAPS) developed by Lang and colleagues[1] is widely used in studies relating a variety of physiological indices to subjective emotions. In this study we investigated whether the IAPS can be used for Koreans without significant cultural biases in their subjective emotional reactions. Thirty IAPS picture slides were presented to a group of 52 college students and different 30 slides with similar 3 dimensional emotion ratings to another group of 42 students. Fof each slieds with exposal time of 8sec, subjects were asked to rate on the Semantic Differential Scale (SDS) and Self-Assessment Manikin (SAM) in the 3 dimensions of pleasure valence, arousal, and domensions of pleasure valence, arousal, and dominance. Fnctor analysis was done for SDS ratings, and correlations of SDS and SAM were calculated. Eighteen bipolar adjective were grouped into 3 dimensions of pleasure, arousal, dominance showing good agreement with previous study. SAM were calculated. Eighteen bipolar adjectives were grouped into 3 dimensions of pleasure, arousal, dominance showing good agreement with the previous study. SAM ratings were highly corrlated with two of the 6 SDS adjective pairs associated with the pleasure and dominance dimensions, but not with those associated with arousal dimension suggerting some cultural differences.

• 인지과학
• /
• 제23권1호
• /
• pp.97-107
• /
• 2012

오피니언 마이닝과 정서 분석에 대한 기존 연구에서는 정서 단어에 부정어를 붙일 경우 긍정, 부정의 극성과 값이 뒤바뀐다고 가정하고 부정어를 처리하였다. 그러나 지금까지 정서 단어에 부정어가 발생했을 때 극성이 어느 정도 바뀌는지에 대한 정량적 연구는 없었다. 따라서 본 논문에서는 한국어 정서 단어와 그 부정형에 대해서 정서가와 각성 차원을 측정하였다. 결과, 정서 단어에 부정형이 올 경우 정서가와 각성 차원의 중간 수준을 기준으로 극성을 뒤바꾸고 값은 약 30~50% 약화되었다. 이 결과를 오피니언 마이닝과 정서 분석 연구에서 부정어를 처리하는 기준으로 제시하였다.

• 감성과학
• /
• 제16권3호
• /
• pp.363-372
• /
• 2013

폭소노미 (foxonomy) 분위기 태그를 이용한 음악 검색 시 내부적으로 단어 태그 대신에 수치 태그 (AV 태그: Arousal과 Valence 값으로 이루어진 태그)를 이용하면 폭소노미의 문제점 중의 하나인 유사어 문제점을 일부 해결할 수 있다. 하지만 이를 위해서는 두 가지 선행 작업이 제대로 이루어져야 하는데, 그 첫 번째가 단어 태그를 수치 태그로 변환하는 작업이며 그 두 번째가 검색 대상인 음악을 수치 태그로 표현하는 작업이다. 첫 번째 작업에 대해서는 이전 연구를 통하여 그 유의성을 보였기 때문에 본 논문에서는 두 번째 작업에 대해서 그 유의성을 밝히고자 하였다. 이를 위하여 본 논문에서는 음악과 AV값 간의 관계를 정의하는 음악-분위기 매핑테이블을 제안하고, ANOVA 검증을 이용하여 분석 하였다. 실험 결과, 동의어 포함 유무에 무관하게 음악 구간의 A값과 V값 모두 12개 음악의 분위기에 대하여 분포차가 발생하고, 모두 제 1종 오류확률 P<0.001를 만족하였다. 결론적으로 음악의 분위기에 따라 AV 값 분포가 다르다는 것을 확인할 수 있었다.

• 전자공학회논문지
• /
• 제54권7호
• /
• pp.71-78
• /
• 2017

감정을 분류하는 대표적인 알고리즘에는 Support-vector-machine (SVM), Bayesian decision rule 등이 있다. 하지만 기존의 연구자들은 위와 같은 방법에는 문제점이 있다고 지적하였다. 이를 보완하기 위해 다른 연구자는 경사도를 이용하여 새로운 패턴인식 알고리즘을 제안하였다. 본 논문에서는 이 알고리즘을 통해 새로운 EEG 기반의 감정 인식 알고리즘을 제안하고 기존의 연구와 비교한다. 본 논문에서는 신뢰도 높은 자료를 얻기 위해 여러 논문에서 사용된 DEAP (a database for emotion analysis using physiological signals)를 사용하였다. 또한, 객관적인 검증을 위해 기존의 연구에서 사용된 4개의 뇌파 채널(Fz, Fp2, F3, F4)의 PSD (Power Spectral Density)를 특징으로 사용하여 감정의 2개 척도 (Arousal, Valence)를 분류하였다. 본 논문에서 실시한 교차검증 (4-fold)에 의하면 Valence 축에서 85%, Arousal 축에서 87.5의 정확도를 얻을 수 있었다.