被験者依存画像セットと被験者非依存画像セットの比較 . 30

 実験1では, 4.5節で述べた画像セットの比較の結果を示す. この比較では画像

の枚数が多い4名の被験者の脳波データを用いて分類精度を比較した. 尚, 3.2.3 節の結果から1500 [ms]から4500 [ms]の脳波データの特徴量を用いた. この4名 の被験者の共有している同じ画像,つまり被験者非依存画像セットの枚数はHigh Arousalクラスが16枚, Low Arousalクラスが8枚, 合計24枚を使用した. 被験 者依存画像セットの枚数は非依存画像セットの枚数に合わせる必要があるため, 同様にHigh Arousalクラス16枚, Low Arousalクラス8枚を選出した. 尚, High Arousalクラスの中でもArousal値が大きい順に, Low Arousalクラスの中でも

Arousal値が小さい順に選出した. 尚, 分類精度のチャンスレートは66.6 % であ

る. そしてそのときの結果が図16である. 被験者依存画像セットのの分類精度が 高く, サポートベクターマシンに関しては統計的に有意差がある.

実験2では, 被験者依存画像セットと被験者非依存画像セットを用いて被験者 個人の感情分類器を作成し,比較を行った. その結果は図16に示す. 尚, 個人の感 情分類器を評価する際用いるテストデータは, チャンスレートが50 % になるよ うに構築した. 図17はフィッシャーの線形判別法, 図18はナイーブベイズ, 図19 はサポートベクターマシンを用いた分類器の分類精度の比較である.

実験1と実験2で作成する分類器の型と, 訓練データとテストデータの振り分 け方をまとめた表を表1にまとめた. 分類器の被験者非依存は, 訓練データを被 験者間で共有し,被験者共有の分類器を作成することである. 一方,被験者依存の 分類器は1人の被験者専用の分類器を作成することであるため, 訓練データは被 験者個人のデータに依存する. 各実験における訓練データとテストデータは交差 検定を用いて評価する.

Table 1 実験別の分類器のタイプと訓練データ, テストデータの振り分け方 実験1 実験2

分類器 被験者非依存 被験者依存 訓練データ 3人分 High Arousal 14枚

Low Arousal 6枚 テストデータ 1人分 High Arousal 2枚

Low Arousal 2枚

Figure 16 被験者依存画像セット VS.被験者非依存画像セット

Figure 17 FDAに被験者依存画像セットを学習させた感情分類器

Figure 18 NBに被験者依存画像セットを学習させた感情分類器

Figure 19 SVMに被験者依存画像セットを学習させた感情分類器

5.1.2 被験者依存画像セットを用いた感情分類器

 5.1.1節の結果より,被験者依存画像セットを用いた感情分類システムの方が被

験者非依存の感情分類システムよりも分類精度が高いことがわかった. よって,被 験者依存画像セットを用いた個人の分類器を作成し,その結果を示す. 尚, ここで の分類器で用いる特徴量データは被験者依存画像セットから得られたデータであ るため, データ数に個人差がある. (画像の枚数に関しては4.5.1節を参照)

NeutralクラスとNegativeクラスの分類を行う. 2500 [ms] から 5500 [ms]ま

での3000 [ms] 間の脳波データで被験者依存画像セットで感情分類器を作成した.

その分類器の分類精度を図20で示す. 提案手法の一つであるサポートベクターマ シンを用いた分類器の精度よりもフィッシャーの線形判別法の方が分類精度が高 かった.

次はLow ArousalクラスとHigh Arousalクラスの分類を行う. 1500 [ms] から

4500 [ms]までの3000 [ms] 間の脳波データで被験者依存画像セットで感情分類

器を作成した. その分類器の分類精度を図21で示す. . 提案手法の一つであるサ ポートベクターマシンを用いた分類器の精度が他の分類器の精度よりも高かった.

S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 Mean FDA NB SVM

Accuracy 0.30.40.50.60.70.8

Figure 20 Neutral VS. Negative被験者依存の分類器の分類精度

S1 S2 S4 S5 S8 S9 S10 S11 Mean FDA

NB SVM

Accuracy 0.30.40.50.60.70.8

Figure 21 Low Arousal VS. High Arousal被験者依存の分類器の分類精度