북극에 대한 관심이 높아지면서 쇄빙연구선의 필요성이 점점 커지고 있다. 특히 우리나라의 경우 2009년 진수된 7,500톤급의 아라온호가 유일한 쇄빙연구선인데, 현재 아라온호만으로는 북극과 남극의 관련 연구를 수행하는데 어려움이 있다. 이에 해양수산부에서는 제2쇄빙연구선의 건조를 추진 중에 있는데 제2쇄빙연구선 건조의 필요성과 규모의 적정성에 대한 논란이 있으므로 이러한 논란을 줄이고 보다 합리적인 의사결정을 위해서는 제2쇄빙연구선의 경제적 가치를 추정하는 것이 중요하다. 본 연구는 비시장재화의 가치측정방 법론인 조건부 가치측정법을 활용하여 제2쇄빙연구선의 경제적 편익을 산정하였다. 특히 본 연구의 추정방법과 관련하여 통상적인 CVM 은 가정되는 분포의 형태와 추정모형에 따라서 WTP 분석결과에 편차가 발생하게 된다. 이에 본 연구에서는 베이지안 추정법(Bayesian approach)을 활용한다. 분석결과에 따르면 가구당 연간 평균 WTP는 1,999원으로 추정되었으며 이를 전국 가구 수로 확대한 제2쇄빙연구선 건조 사업에 대한 총편익은 연간 약 373.9억 원인 것으로 산정되었다.

This paper proposes an emotion classifier from EEG signals based on Bayesʼ theorem and a machine learning using a perceptron convergence algorithm. The emotions are represented on the valence and arousal dimensions. The fast Fourier transform spectrum analysis is used to extract features from the EEG signals. To verify the proposed method, we use an open database for emotion analysis using physiological signal (DEAP) and compare it with C-SVC which is one of the support vector machines. An emotion is defined as two-level class and three-level class in both valence and arousal dimensions. For the two-level class case, the accuracy of the valence and arousal estimation is 67% and 66%, respectively. For the three-level class case, the accuracy is 53% and 51%, respectively. Compared with the best case of the C-SVC, the proposed classifier gave 4% and 8% more accurate estimations of valence and arousal for the two-level class. In estimation of three-level class, the proposed method showed a similar performance to the best case of the C-SVC.