효과적인 감정 분류를 위한 반복적 나이브 베이지안 분류기 설계

초록

가우시안 나이브 베이지안 분류기는 지도 학습(Supervised Learninig)방법 중의 하나로 데이터의 분포를 가우시안으로 가정하고 베이즈룰을 이용하여 데이터를 분류한다. 이러한 가우시안 나이브 베이지안 분류기는 주로 사람의 감정 상태를 분류, 판단하는 연구에서 사용된다. 본 논문에서는 가우시안 나이브 베이지안 분류기에 반복 알고리즘을 적용시켜 더욱 효과적인 분류기 설계 방법을 제안한다. 기존의 방법의 경우 훈련 데이터(Training data)를 이용하여 고정된 분류기를 설계하고, 이 분류기를 검증 집합(Validation data)을 이용하여 평가하였다. 하지만 고정된 분류기는 감정과 같이 개개인의 차이로 인해 생기는 산발적인 데이터를 분류할 때 문제점이 발생하며 딥러닝이나 AI 분야에 적용하기 어렵다. 따라서 본 논문에서 기존의 가우시안 나이브 베이지안 분류기에 반복 알고리즘을 적용하여 이를 보안한다. 제안하는 방법에서는 검증 집합을 이용하여 평가할 때, 실제론 그 부류에 속하는 데이터이지만 오분류된 데이터를 기억한다. 오분류 데이터 개수가 일정 수준이 넘어가면 이를 기존의 훈련 집합에 포함하여 분류기를 재설계한다. 본 논문에서 제안하는 분류기의 성능을 평가하기 위해 DEAP 데이터 중 EEG신호를 이용하였으며, 검증 결과 기존보다 정확도 높은 분류기를 얻을 수 있었다.

키워드