한국정보전자통신기술학회논문지 (The Journal of Korea Institute of Information, Electronics, and Communication Technology)

  • 제10권1호
  • /
  • Pages.9-15
  • /
  • 2017
  • /
  • 2005-081X(pISSN)
  • /
  • 2288-9302(eISSN)
한국정보전자통신기술학회 (Korea Information Electronic Communication Technology)
권호 표지
DOI QR코드

DOI QR Code

웨이블릿 특징 벡터 기반 SVM을 이용한 ERP 검출 알고리즘에 관한 연구

Study on ERP Detection Algorithm Using SVM with wavelet feature vector

  • 투고 : 2016.12.01
  • 심사 : 2017.01.11
  • 발행 : 2017.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서는 웨이블릿 평면에서 대역 분할된 데이터를 특징 벡터로 하는 SVM을 이용한 ERP 검출 실험을 하였다. 뇌파 신호는 SCSD의 SCCN 뇌파 데이터베이스에 있는 시각적 자극(visual stimulus)을 이용하여 발생한 ERP를 사용하였다. 검출 알고리즘을 이용한 실험은 기존의 뇌파의 주파수 분석 데이터를 특징 벡터로 하는 방법과 웨이블릿 평면에서 전개된 뇌파 데이터를 특징 벡터로 하는 SVM 검출 방식을 비교하였다. 실험 결과는 기존의 특징 벡터를 이용하는 방법에 비하여 웨이블릿 평면에서 전개된 특징 벡터를 이용하는 SVM 방식이 EPR의 검출 율에서 약 10%의 향상된 성능을 나타내었다. 실험 결과에 대한 분석에서 웨이블릿 평면 특징 벡터를 적용한 SVM 실험 결과에서 검출율이 향상된 이유로서 대뇌 피질 활동이 ERP의 주파수 대역에 따른 활동성의 증감 특성과 ERP의 웨이블릿 평면 대역별 특성에 대한 비교 분석을 수행하였다.

In this study we performed the experiment to detect the ERP using SVM with wavelet features. The EEG signal that is generated visual stimulated ERP database in SCCN applied for the experiment. The feature vectors for experiment are categorized frequency and continuous wavelet- based vectors. In experimental results, the detection rate of SVM with wavelet feature vectors improved above 10% comparing with frequency- based feature vector. Based on the experimental results we analyzed the relation between the activity degree of the ERP and the band split characteristics of the ERP by wavelet transform.

키워드

참고문헌

  1. Schalk, Gerwin, "BCI2000: a general-purpose brain-computer interface (BCI) system." IEEE Transactions on biomedical engineering, Vol. 51, No. 6, pp. 1034-1043, 2004. https://doi.org/10.1109/TBME.2004.827072
  2. Website: UCSD SCCN, https://sccn.ucsd.edu/-arno/fam2data/publicly_available_ EEG_data.html
  3. Eimer, Martin, Amanda Holmes, and Francis P. McGlone. "The role of spatial attention in the processing of facial expression: an ERP study of rapid brain responses to six basic emotions." Cognitive, Affective, & Behavioral Neuroscience 3. pp. 97-110, No. 2, 2003. https://doi.org/10.3758/CABN.3.2.97
  4. Tsochantaridis, Ioannis,. "Support vector machine learning for interdependent and structured output spaces." Proceedings of the twenty-first international conference on Machine learning. ACM, 2004.
  5. Bostanov, Vladimir. "BCI competition 2003-data sets Ib and IIb: feature extraction from event-related brain potentials with the continuous wavelet transform and the t-value scalogram." IEEE Transactions on Biomedical engineering, pp. 1057-1061. Vol. 51, No. 6, 2004. https://doi.org/10.1109/TBME.2004.826702
  6. H. J. Lee, D. I. Shin, , D. K. Shin, "The Classification Algorithm of Users' Emotion Using Brain-Wave, J-KICS, pp. 122-129, Vol. 39-c, No. 2, 2014.
  7. Mueller, Andreas. "Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study." Nonlinear biomedical physics 5. Vol. 1, 2011.