본 논문에서는 선행 연구를 통해 제안하였던 새로운 분류 알고리즘인 Variance Considered Machines (VCM)을 통해 EEG 신호의 분류 에러율을 감소시킴으로 Brain-Computer Interface (BCI)의 성능향상 가능성을 보였다. BCI란 뇌파를 통해 컴퓨터와 같은 시스템을 제어하는 것으로 BCI의 인식률에 영향을 미치는 것에는 많은 요소가 있지만 본 논문에서는 그 중에서도 가장 중요한 분류 알고리즘을 제안된 알고리즘을 통해 인식률을 향상하는 것을 보였다. 이를 위해 피험자가 가상으로 왼쪽 손과 다리를 움직이는 상상을 한 데이터를 기존에 가장 많이 사용되고 있는 분류 알고리즘인 SVM과 제안된 VCM으로 분류하여 인식률을 비교하였다. 기존 연구를 통해 VCM의 우수성을 이론적 결과와 시뮬레이션 결과로 보였다면 본 논문에서는 실제 데이터를 통한 실험을 통해 인식률 향상을 보였다.
This paper showed the possibilities of performance improvement of Brain-Computer Interface (BCI) decreasing classification error rates of EEG signals by applying Variance-Considered Machine (VCM) which proposed in our previous study. BCI means controlling system such as computer by brain signals. There are many factors which affect performances of BCI. In this paper, we used suggested algorithm as a classification algorithm, the most important factor of the system, and showed the increased correct rates. For the experiments, we used data which are measured during imaginary movements of left hand and foot. The results indicated that superiority of VCM by comparing error rates of the VCM and SVM. We had shown excellence of VCM with theoretical results and simulation results. In this study, superiority of VCM is demonstrated by error rates of real data.
