앙상블 분류기는 많은 기계학습 연구에서 단일의 강한 학습자보다 더 나은 분류 정확도를 산출하는 것으로 입증되었다. 다수의 뇌전도-뇌-컴퓨터 인터페이스(EEG-BCI) 연구에서는 BCI 성능을 향상시키기 위해 앙상블 분류기를 사용해 왔으나, 근적외선 분광법(NIRS)-BCI에 대해서는 앙상블 분류기가 거의 활용되지 않았다. 또한 체계적이고 비교한 연구가 전혀 없었기 때문에 NIRS-BCI에서 앙상블 분류기의 효능은 여전히 알려지지 않았다. 본 연구에서는 부트스트랩 집계(bootstrap aggregating)를 기반으로 한 선형판별분석(Linear Discriminant Analysis) 앙상블 분류기의 효능을 평가하기 위해 네 가지 NIRS-BCI 데이터셋을 사용하였다. 분석 결과, 본 연구에서 사용한 네 가지 NIRS-BCI 데이터셋 모두에서 비트레이트뿐 아니라 분류 정확도에서도 유의한(또는 한계적으로 유의한) 증가가 관찰되었다. 아울러 네 개 데이터셋 중 두 개에서 비트레이트의 유의한 향상이 확인되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.