인간의 감정을 인식하는 기술은 많은 응용분야가 있음에도 불구하고 감정 인식의 어려움으로 인해 쉽게 해결 되지 않는 문제로 남아 있다. 인간의 감정 은 크게 영상과 음성을 이용하여 인식이 가능하다. 감정 인식 기술은 영상을 기반으로 하는 방법과 음성을 이용하는 방법 그리고 두 가지를 모두 이용하는 방법으로 많은 연구가 진행 중에 있다. 이 중에 특히 인간의 감정을 가장 보편적으로 표현되는 방식이 얼굴 영상을 이용한 감정 인식 기법에 대한 연구가 활발히 진행 중이다. 그러나 지금까지 사용자의 환경과 이용자 적응에 따라 많은 차이와 오류를 접하게 된다. 본 논문에서는 감정인식률을 향상시키기 위해서는 이용자의 내면적 성향을 이해하고 분석하여 이에 따라 적절한 감정인식의 정확도에 도움을 주어서 감정인식률을 향상시키는 메카니즘을 제안하였으며 본 연구는 이러한 이용자의 내면적 성향을 분석하여 감정 인식 시스템에 적용함으로 얼굴 표정에 따른 감정인식에 대한 오류를 줄이고 향상 시킬 수 있다. 특히 얼굴표정 미약한 이용자와 감정표현에 인색한 이용자에게 좀 더 향 상된 감정인식률을 제공 할 수 있는 방법을 제안하였다.

A packaging company is designing reusable multi-folding plastic box with RFID function. They want to identify material flow and inventory status of multi-folding box by adapting RFID technology and reallocate the boxes to required distribution centers. This reusable box may contain various types of materials such like liquids, metals, farm products and so on. Recently, RFID technology has been widely applied in the industrial fields, especially in logistics. However, RFID technology has some problems. One of the problems is that it doesn't guarantee the RFID recognition with environment of metals and liquids. We cannot overlook this fact because the contents of box is not fixed and may contain various kinds of materials. The purpose of this research is to analyze the influence of unspecified contents on the RFID detectability of reusable multi-folding box and predict the reading rate on various conditions. At first, we selected a list of test materials from expert interview and literature survey and performed experimental design to investigate influence by materials. Then, we built a prediction model using support vector machine (SVM) to predict reading rate on various conditions. The proposed model is based on intelligent machine learning algorithm. It gave a high accuracy of prediction, and provided robust combinations of conditions as to detectability on various contents. Finally, we performed sensitivity analysis about marginal detectability of influencing factors and found out tolerable level of factors.