JPH0721146A - 相性度測定方法及び装置 - Google Patents

相性度測定方法及び装置

Info

Publication number
JPH0721146A
JPH0721146A JP14409293A JP14409293A JPH0721146A JP H0721146 A JPH0721146 A JP H0721146A JP 14409293 A JP14409293 A JP 14409293A JP 14409293 A JP14409293 A JP 14409293A JP H0721146 A JPH0721146 A JP H0721146A
Authority
JP
Japan
Prior art keywords
correlation
chaos
amount
compatibility
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP14409293A
Other languages
English (en)
Inventor
Shigeji Tanizawa
茂治 谷沢
Tomoshi Kimura
知史 木村
Chihoko Suga
千帆子 菅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pola Chemical Industries Inc
Original Assignee
Pola Chemical Industries Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pola Chemical Industries Inc filed Critical Pola Chemical Industries Inc
Priority to JP14409293A priority Critical patent/JPH0721146A/ja
Publication of JPH0721146A publication Critical patent/JPH0721146A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

(57)【要約】 【目的】対人間の相性度を簡略且つ定量的に測定する方
法及び装置を提供することを目的とする。 【構成】対面した二人の被験者の生理信号についてカオ
ス理論上のカオス量を算出するカオス量算出規則１、及
び両被験者のカオス量の相対量と相性度との相関関係を
定めた相性度判定規則２とを用いると共に、対面した前
記各被験者から所定の生理信号を検出する生理信号検出
ステップ１０１と、生理信号検出ステップ１０１により
検出された各生理信号について前記カオス量算出規則１
に基づいてカオス量を算出するカオス量算出ステップ１
０２と、前記カオス量算出ステップ１０２により算出さ
れた二つのカオス量の相対量から前記相性度判定規則２
に基づいて相性度を算出する相性度算出ステップ１０３
とからなる相性度測定方法。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、対面した被験者間の相
性度をカオス理論を用いて定量的に測定する方法及び装
置に関する。
【０００２】
【従来の技術】相性度を測定する方法として、測定者が
二人の被験者の各々に同様の質問をし、各質問に対する
解答を集計して各被験者の傾向を判定し、さらに両者の
傾向を照らし合わせて相性度を判定する方法。あるい
は、生年月日や血液型等から推測される性格判断を指標
として両被験者の相性度を評価する方法がある。
【０００３】しかし、これらの相性度測定方法では、測
定者の主観により相性度が判断されるため、客観的な精
度が低いという問題がある。この問題を解決するため
に、対面した二人の被験者に一定時間会話を行ってもら
い、その間の両者の脳波の揺らぎから沈静／興奮を判断
し、相性度を定性的に測定する方法等が試みれられてい
る。ところが、この方法では、脳波を測定する際に被験
者の頭部に電極を装着しなければならず、被験者に心理
的負担がかかるという問題がある。
【０００４】
【発明が解決しようとする課題】そこで、本発明は前記
問題点に鑑みてなされたものであり、対人間の相性度を
簡略且つ定量的に測定する方法及び装置を提供すること
を課題とする。
【０００５】
【課題を解決するための手段】本発明者は、上記課題を
解決するため、カオス理論と生理現象との相関関係に着
目し、生理現象をカオス解析することで対面する被験者
間の相性度を定量的に測定する方法について検討した。
【０００６】ここで、カオスとは、一定の原理に基づい
て発生する非常に複雑に見える現象のことをいい、アト
ラクタと呼ばれるｎ次元状態空間における安定な状態に
おいて、自己相似性、軌道不安定性、長期予測不
能性の３つの特徴を有する。これらの特徴は、下記の３
つの解析方法により判定できる。 （１）自己相似性 ；時系列データより再構成したア
トラクタのフラクタル次元数が非整数である （２）軌道不安定性 ；時系列データより再構成したア
トラクタのアプノフ指数が正の値である （３）長期予測不能性；時系列データより再構成したア
トラクタのＫＳエントロピーが正の値である 一方、人間の生理現象には、多数の要因が作用してお
り、つまり、生理現象は、本来ｎ次元状態空間において
その挙動を示すが、実際に観測できるのは心拍、脈波等
の経時変化を示す一次元時系列データである。この一次
元時系列データのカオス性を判定する場合、特に上記の
自己相似性を判定する場合には、元のｎ次元状態空間に
おけるアトラクタの軌道（ｎ次元ベクトルデータ）を再
構成する必要がある。
【０００７】ここで、１９８１年にＦ．Ｔａｋｅｎｓの
定理により、１変数の時系列データから力学系のアトラ
クタを再構成できることが証明されている。このＴａｋ
ｅｎｓの定理は、一次元時系列データの個々のデータに
関し、そのデータの一定時間後のデータ、例えば、時間
ｋにおける計測データｘkについて、このデータｘkの時
間ｔ後のデータｘk+t、さらにデータｘk+tの時間ｔ後の
データｘk+2t、以下同様の処理を繰り返し行うことによ
りｘkについて、ｎ個のベクトルデータ：（ｘｋ，
ｘk+t，・・・，ｘk+t(n-1)）（ｎ：自然数）を作成す
ることができる。この手法を応用することにより、一次
元時系列データ； ｛ｘ1、ｘ2、・・・、ｘk｝ に時間遅れ”ｔ”を埋め込み、ｎ次元の再構成状態空間
におけるｎ次元ベクトルデータ； Ｘ1＝（ｘ1、ｘ1+t、・・・、ｘ1+t/(n-1)） Ｘ2＝（ｘ2、ｘ2+t、・・・、ｘ2+t/(n-1)） ・ ・ Ｘt＝（ｘk、ｘk+t、・・・、ｘk+t/(n-1)） を再構成することができる。
【０００８】次に、再構成されたアトラクタのフラクタ
ル次元を求め、そのフラクタル次元数が非整数性を備え
ているか否かを判別しなければならない。ここで、１９
８３年に、Ｐ．ＧｒａｓｓｂｅｒｇｅｒとＩ．Ｐｒｏｃ
ａｃｃｉａは、フラクタル次元の一つの尺度である相関
次元を求める手法として相関積分法を発表した。この相
関積分法は、再構成されたアトラクタ上の一点をＸｉ、
相関積分をＣ（ｒ）とした場合に、 と定義される。但し、Ｈ（ｓ）はヘビサイド関数、Ｎは
データ数、ｒは超球内の半径を表す距離である。
【０００９】そして、距離ｒの適当な領域で相関積分Ｃ
n（ｒ）とｒd(n)（ｄ（ｎ）：相関指数）とが比例関係
にあるようにスケーリングする。即ち、上記相関積分式
に基づいて相関積分Ｃn（ｒ）の対数と距離ｒの対数と
の関係を、相関積分Ｃn（ｒ）の対数を縦軸とし且つ距
離ｒの対数を横軸とした二次元座標空間上に図示し、前
記図形が直線を形成する距離ｒの領域を求める。このと
き、前記直線の傾きは埋め込み次元ｎを変数とする関数
であり、この関数がｎの増加により飽和・漸近するとき
の相関指数値を前記高次元ベクトルデータのフラクタル
次元あるいは相関次元といい、この値が非整数であれば
前記一次元時系列データはカオス性を有し且つ前記相関
指数値を前記一次元時系列データのカオス量という。
【００１０】本発明者は、上記のカオス理論に基づいて
対面した二人の被験者の生理信号からカオス量を算出
し、且つ両被験者のカオス量の相対量と相性度との相関
関係から前記相対カオス量に対応する相性度を測定する
手段を方法及び装置を発明した。
【００１１】本発明は、対面した被験者の生理信号につ
いてカオス量を算出するカオス量算出規則１と、前記被
験者の相対カオス量及び相性度の相関関係を定めた相性
度判定規則２とを用い、対面した被験者間の相性度を測
定するものである。
【００１２】以下、本発明の相性度測定方法及び相性度
測定装置について詳細に説明する。 （相性度測定方法）本発明の相性度測定方法について図
１の原理図に基づいて説明する。
【００１３】本相性度測定方法は、対面した各被験者か
ら所定の生理信号を検出する生理信号検出ステップ１０
１、この生理信号検出ステップ１０１により検出された
生理信号毎にカオス量を算出するカオス量算出ステップ
１０２、このカオス量算出ステップ１０２の算出した二
つのカオス量の相対量から前記被験者間の相性度を算出
する相性度算出ステップ１０３を備える。
【００１４】ここで、前記生理信号検出ステップ１０１
は、例えば、指尖容積脈波、心拍、脳波、血圧、身体表
面の微細振動（マイクロバイブレーション）、皮膚温、
皮膚電気抵抗、皮膚電位反応から選択される少なくとも
一つの生理信号を各被験者から検出するものである。
【００１５】前記カオス量算出ステップ１０２は、生理
信号検出ステップ１０１の検出した各生理信号について
カオス量算出規則１に従ってカオス量を算出するもので
あり、各生理信号を高次元ベクトルデータへ変換するデ
ータ変換ステップ１０２１、データ変換ステップ１０２
１により変換された高次元ベクトルデータ毎の相関積分
量を算出する相関積分量算出ステップ１０２２、相関積
分量算出ステップ１０２２の算出した各相関積分量から
各高次元ベクトルデータのカオス量として相関次元数を
算出する相関次元数算出ステップ１０２３を備えるよう
にしてもよい。
【００１６】さらに、上記のデータ変換ステップ１０２
１には、各生理信号をサンプリングして一次元時系列デ
ータを生成するサンプリングステップ１０２１ａ、及び
サンプリングステップ１０２１ａによりサンプリングさ
れた一次元時系列データ毎に一定の遅れ時間を埋め込ん
で高次元ベクトルデータを生成する高次元ベクトルデー
タ生成ステップ１０２１ｂを備えるようにしてもよい。
【００１７】詳細には、前記サンプリングステップ１０
２１ａは、生理信号検出ステップ１０１において検出さ
れた各生理信号をサンプリングして一次元時系列データ ｛ｘ1、ｘ2、・・・、ｘk｝ ｛ｙ1、ｙ2、・・・、ｙk｝ （但し、ｋ：時刻、ｘk：時刻ｋにおける一方の生理信
号の大きさ、ｙk：時刻ｋにおける他方の生理信号の大
きさ）を生成する。
【００１８】一方、前記高次元ベクトルデータ生成ステ
ップ１０２１ｂは、前記サンプリングステップ１０２１
ａの生成した各一次元時系列データに一定の時間遅れを
埋め込み、下記の数式（Ｓ１）、（Ｓ２）を満たす高次
元ベクトルデータを生成する。
【００１９】 Ｘ1＝（ｘ1、ｘ1+s、・・・、ｘ1+s/(n-1)） Ｘ2＝（ｘ2、ｘ2+s、・・・、ｘ2+s/(n-1)） ・ ・ Ｘk＝（ｘk、ｘk+s、・・・、ｘk+s/(n-1)） ・・(Ｓ１) （但しｋ：時刻、ｘk：時刻ｋにおける生理信号の振幅
値、Ｘ：高次元ベクトルデ ータ、ｓ：遅れ時間、ｎ：
埋め込み次元） Ｙ1＝（ｙ1、ｙ1+t、・・・、ｙ1+t/(n-1)） Ｙ2＝（ｙ2、ｙ2+t、・・・、ｙ2+t/(n-1)） ・ ・ Ｙk＝（ｙk、ｙk+t、・・・、ｙk+t/(n-1)） ・・(Ｓ２) （但しｋ：時刻、ｙｋ：時刻ｋにおける生理信号の振幅
値、Ｙ：高次元ベクトルデータ、ｔ：遅れ時間、ｎ：埋
め込み次元）次に、相関積分量算出ステップ１０２２
は、各高次元ベクトルデータに対して下記の数式（Ｓ
３）、（Ｓ４）を満たす相関積分量を算出する。 （但しＨ（ｓ）：ヘビサイド関数、Ｎ：データ数、ｐ：
超球内の半径を表す距離） （但しＨ（ｔ）：ヘビサイド関数、Ｎ：データ数、ｑ：
超球内の半径を表す距離）また、相関次元数算出ステッ
プ１０２３は、相関積分量算出ステップ１０２２の算出
した相関積分量毎に、相関積分量の対数と距離の対数と
が下記の数式 ｌｏｇＣn（ｐ）＝ｄ・ｌｏｇｐ＋ａ・・・（Ｓ５） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
数） ｌｏｇＣn（ｑ）＝ｄ・ｌｏｇｑ＋ａ・・・（Ｓ６） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
数）を満たす距離ｐ、ｑの領域において、前記埋め込み
次元ｎと相関指数ｄとからなる二次元関数の漸近点の相
関指数値を前記各高次元ベクトルデータの相関次元数と
して算出するものである。
【００２０】（相性度測定装置）本発明の相性度測定装
置は、前述の相性度測定方法を実現する装置であり、こ
の構成を図２の原理図に基づいて説明する。
【００２１】対面する各被験者から所定の生理信号を検
出する生理信号検出手段３と、生理信号検出手段３の検
出した各生理信号からカオス量を算出するカオス量算出
手段４、カオス量算出手段４の算出した二つのカオス量
の相対量から前記被験者間の相性度を算出する相性度算
出手段５を備える。
【００２２】ここで、生理信号検出手段３は、対面した
各被験者から指尖容積脈波、心拍、脳波、血圧、身体表
面の微細振動（マイクロバイブレーション）、皮膚温、
皮膚電位反応、皮膚電気抵抗から選択される少なくとも
一つの生理信号を検出するようにしてもよい。
【００２３】カオス量算出手段４は、生理信号検出手段
３の検出した各生理信号についてカオス量算出規則１に
従ってカオス量を算出するものであり、各生理信号を高
次元ベクトルデータへ変換するデータ変換部４ａ、デー
タ変換部４ａにより変換された高次元ベクトルデータ毎
に相関積分量を算出する相関積分量算出部４ｂ、相関積
分量算出部４ｂの算出した相関積分量から各高次元ベク
トルデータのカオス量として相関次元数を算出する相関
次元数算出部４ｃを備えるようにしてもよい。
【００２４】さらに、データ変換部４ａは、生理信号検
出手段３の検出した各生理信号をサンプリングして一次
元時系列データを生成するサンプリング部４０、及びサ
ンプリング部４０の生成した各一次元時系列データに一
定の遅れ時間を埋め込んで高次元ベクトルデータを生成
する高次元ベクトルデータ生成部４１を備えるようにし
てもよい。
【００２５】詳細には、サンプリング部４０は、生理信
号検出手段３の検出した各生理信号を特定時間間隔でサ
ンプリングして、一次元時系列データ ｛ｘ1、ｘ2、・・・、ｘk｝ ｛ｙ1、ｙ2、・・・、ｙk｝ （但しｋ：時刻、ｘk：時刻ｋにおける一方の生理信号
の大きさ、ｙk：時刻ｋにおける他方の生理信号の大き
さ）を生成するものである。
【００２６】一方、高次元ベクトルデータ生成部４１
は、サンプリング部４０により変換された一次元時系列
データ毎に、各データから一定時間後のデータを埋め込
み、下記の数式（Ｓ１）、（Ｓ２）を満たす高次元ベク
トルデータを生成するものである。 Ｘ1＝（ｘ1、ｘ1+s、・・・、ｘ1+s/(n-1)） Ｘ2＝（ｘ2、ｘ2+s、・・・、ｘ2+s/(n-1)） ・ ・ Ｘk＝（ｘk、ｘk+s、・・・、ｘk+s/(n-1)） ・・(Ｓ１) （但しｋ：時刻、ｘk：時刻ｋにおける生理信号の大き
さ、Ｘ：高次元ベクトルデ ータ、ｓ：遅れ時間、ｎ：
埋め込み次元） Ｙ1＝（ｙ1、ｙ1+t、・・・、ｙ1+t/(n-1)） Ｙ2＝（ｙ2、ｙ2+t、・・・、ｙ2+t/(n-1)） ・ ・ Ｙk＝（ｙk、ｙk+t、・・・、ｙk+t/(n-1)） ・・(Ｓ２) （但しｋ：時刻、ｙｋ：時刻ｋにおける生理信号の大き
さ、Ｙ：高次元ベクトルデータ、ｔ：遅れ時間、ｎ：埋
め込み次元）次に、相関積分量算出部４ｂは、各高次元
ベクトルデータに対して下記の数式（Ｓ３）、（Ｓ４）
を満たす相関積分量を算出するものである。 （但しＨ（ｓ）：ヘビサイド関数、Ｎ：データ数、ｐ：
超球内の半径を表す距離） （但しＨ（ｔ）：ヘビサイド関数、Ｎ：データ数、ｑ：
超球内の半径を表す距離）また、相関次元数算出部４ｃ
は、相関積分量算出部４ｂの算出した相関積分量毎に、
相関石分量の対数と前記距離の対数とが数式 ｌｏｇＣn（ｐ）＝ｄ・ｌｏｇｐ＋ａ・・・（Ｓ５） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
数） ｌｏｇＣn（ｑ）＝ｄ・ｌｏｇｑ＋ａ・・・（Ｓ６） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
数）を満たす距離ｐ、ｑの領域において、前記埋め込み
次元ｎと相関指数ｄとからなる二次元関数の漸近点の相
関指数値を各高次元ベクトルデータの相関次元数として
算出するものである。
【００２７】さらに、上記の相性度測定方法及び相性度
測定装置において、遅れ時間を埋め込む際に、以下の３
つの時間あるいは時刻を基準に決定するようにしてもよ
い。 一次元時系列データの主要な周期の数分の一 一次元時系列データの自己相関関数が最初に「０」と
なる時刻 一次元時系列データの相互情報量が最初に極小値をと
る時刻 上記の３つの方法以外でも、本発明の特徴を満たす限り
いかような方法で遅れ時間を決定するようにしてもよ
い。
【００２８】
【作用】本発明の相性度測定方法は、同条件の環境にお
いて、複数組の対面した二人の被験者から各々の生理信
号を検出する。そして、カオス理論に基づいたカオス量
算出規則１に従って、前記各被験者から検出した二つの
生理信号について各々のカオス量を算出する。次に、二
つのカオス量の相対量について相性度判定規則２に基づ
いて相性度を算出する。
【００２９】詳細には、各生理信号をサンプリングして
一次元時系列データへ変換し、さらに一次元時系列デー
タ毎に一定時間後のデータを埋め込み処理することによ
り、高次元ベクトルデータを生成する。
【００３０】次に、前記各高次元ベクトルデータに対し
て相関積分量を算出する。そして、各相関積分量につい
て相関積分量の対数と超球内の半径を表す距離の対数と
の関係式から埋め込み次元数を変数とする相関指数を求
め、さらに埋め込み次元数の増加により相関指数が飽和
・漸近する点の相関指数値を算出する。これらの相関指
数が各高次元ベクトルデータのカオス量であり、相性度
判定規則２に基づいて前記二つのカオス量の相対量から
前記被験者間の相性度を算出することができる。
【００３１】
【実施例】以下、本発明の実施例について説明する。本
発明の相性度測定方法を実現する相性度測定装置につい
て説明する。
【００３２】図３は、相性度測定装置の全体構成ブロッ
ク図である。本実施例の相性度測定装置は、生理信号と
して皮膚電位反応（ＳＰＲ）を検出する二つの皮膚電位
反応測定装置６ａ及び皮膚電位反応測定装置６ｂ（以
下、総称して皮膚電位反応測定装置６と記す）、これら
の皮膚電位反応測定装置６の検出したＳＰＲ波の振幅を
増幅する波形増幅装置７、この波形増幅装置７により増
幅された二つのＳＰＲ波を特定時間間隔でサンプリング
しアナログ信号形式の二次元データからデジタル信号形
式の一次元時系列データへ変換するサンプリング装置
８、このサンプリング装置８によりサンプリングされた
各一次元時系列データのカオス量を算出すると共にこれ
らのカオス量の相対量に対応する相性度を算出するＣＰ
Ｕ１０、このＣＰＵ１０の処理すべきカオス量算出処理
の処理手順及び相性度算出処理の処理手順に関するプロ
グラムを格納するメモリ９、及び前記ＣＰＵ１０により
算出された相性度を画面表示するディスプレイ装置１１
を備える。さらに、皮膚電位反応測定装置６の動作コマ
ンド、被験者のデータを入力するためのキーボード１２
を備える。
【００３３】以下、前記各部の機能について詳細に説明
する。上記の皮膚電位反応測定装置６、波形増幅装置
７、及びサンプリング装置８は本発明の生理信号検出手
段の具体例であり、皮膚電位反応測定装置６ａは一方の
被験者に装着し、皮膚電位反応測定装置６ｂは他方の被
験者に装着して、双方の被験者のＳＰＲ波を同時に計測
し、皮膚電位の経時変化を電位値と時間との二次元デー
タとして入力するものである。
【００３４】波形増幅装置７は、皮膚電位反応測定装置
６の入力した二つのＳＰＲ波の振幅値、即ちＳＰＲ波の
電位値を増幅するものである（図７参照）。サンプリン
グ装置８は、二次元データで表されるアナログ信号形式
のＳＰＲ波を特定時間間隔でサンプリングし、デジタル
信号形式の一次元時系列データへ変換するものである。
本実施例ではサンプリング時間間隔を２０ｍｓｅｃとす
る（図８、図９参照）。
【００３５】ＣＰＵ１０は、サンプリング装置８により
生成された一次元時系列データからメモリ９の処理プロ
グラムに基づいてカオス量の算出処理及び相対カオス量
に対応する相性度の算出を行うものであり、この具体的
な説明は後述する。
【００３６】メモリ９は、ＣＰＵ１０の処理すべき処理
プログラムとして、サンプリング装置８により生成され
た一次元時系列データ毎にカオス理論に基づいてカオス
量の算出を行うためのカオス量算出処理プログラム９
ａ、前記ＣＰＵ１０の算出した二つのカオス量の相対量
と相性度との相関関係に基づいて相性度の算出手順を定
めた相性度算出処理プログラム９ｂを格納する（図４参
照）。
【００３７】図５は、ＣＰＵ１０の内部構成ブロック図
である。本実施例におけるＣＰＵ１０は、一次元時系列
データ毎の自己相関関数から各一次元時系列データへ埋
め込むべき時間遅れの大きさを算出する自己相関処理部
１０ａ、この自己相関処理部１０ａの算出した二つの時
間遅れを各一次元時系列データへ埋め込んで高次元ベク
トルデータを生成する埋め込み処理部１０ｂ、この埋め
込み処理部１０ｂにより生成された高次元ベクトルデー
タ毎に相関積分量を算出する相関積分量算出部１０ｃ、
この相関積分量算出部１０ｃの算出した相関積分量毎に
カオス量としての相関次元数即ち相関指数を算出する相
関指数算出部１０ｄ、この相関指数算出部１０ｄの算出
した二つのカオス量の相対量に対応する相性度を算出す
る相性度算出部１０ｅ、及び前記各部の動作を制御する
制御部１０ｆを備えている。
【００３８】ここで、自己相関処理部１０ａは、サンプ
リング装置８の生成した一次元時系列データに埋め込む
べき遅れ時間ｓ、ｔの大きさを決定するものである。詳
細には、時刻ｋにおけるＳＰＦ波の振幅値をｘk、ｙkと
する二つの一次元時系列データ ｛ｘ1、ｘ2、・・・、ｘk｝，｛ｙ1、ｙ2、・・・、
ｙk｝ の自己相関関数Ｒ１（ｋ’）、Ｒ２（ｋ’）を下記の数
式に基づいて算出する。 そして、上記自己相関関数Ｒ１（ｋ’）、Ｒ２（ｋ’）
の夫々が最初に”０”となる時刻に基づいて時間遅れ
ｓ，ｔを算出する（図１０参照）。
【００３９】埋め込み処理部１０ｂは、上記の各一次元
時系列データをｎ次元ベクトルデータへ変換するもので
あり、自己相関処理部１０ａの算出した時間遅れｓ，ｔ
に基づいて、一次元時系列データの各データから一定遅
れ時間における振幅値を埋め込み、以下の数式（Ｓ１）
を満たすｎ次元ベクトルデータを生成する（図１１参
照）。 但し、上記の数式において、ｘkは時刻ｋにおける一方
の被験者の皮膚電位値且つＸkはｘkの高次元ベクトルデ
ータ、ｙkは時刻ｋにおける他方の被験者の皮膚電位値
且つＹkはｙkの高次元ベクトルデータとする。
【００４０】相関積分量算出部１０ｃは、埋め込み処理
部１０ｂの生成した高次元ベクトルデータ毎に相関積分
量を算出するものである。具体的には、上記数式（Ｓ
１）、（Ｓ２）を満たす高次元ベクトルデータに対し
て、以下の数式（Ｓ３）、（Ｓ４）を満たす相関積分量
を算出する。
【００４１】 （Ｈ（ｓ）：ヘビサイド関数、Ｎ：データ数、ｐ：超球
内の半径を表す距離） （Ｈ（ｔ）：ヘビサイド関数、Ｎ：データ数、ｑ：超球
内の半径を表す距離） 但し、上記の数式（Ｓ３）、（Ｓ４）において、Ｈ
（ｓ）、Ｈ（ｔ）はヘビサイド関数、Ｎはデータ数、ｐ
及びｑは超球内の半径を表す距離とする。
【００４２】相関指数算出部１０ｄは、上記の高次元ベ
クトルデータのカオス量として、相関指数値を算出する
ものである。具体的には、上記数式（Ｓ３）、（Ｓ４）
により算出される相関積分量Ｃn（ｐ）、Ｃn（ｑ）の対
数と距離ｐ、ｑの対数とが下記の数式（Ｓ５）、（Ｓ
６）を満たすｐ及びｑの領域を求める（図１２参照）。 ｌｏｇＣn（ｐ）＝ｄ・ｌｏｇｐ＋ａ・・・（Ｓ５） ｌｏｇＣn（ｑ）＝ｄ・ｌｏｇｑ＋ａ・・・（Ｓ６） 但し、上記数式（Ｓ５）、（Ｓ６）において、ｄは変数
ｎにより決定される相関指数、ａは実数である。さら
に、前記ｐまたはｑの領域において、埋め込み次元ｎと
相関指数ｄとからなる二次元関数の漸近点の相関指数値
を算出し、この値を前記高次元ベクトルデータのカオス
量として出力する（図１３参照）。
【００４３】相性度算出部１０ｅは、前記相関指数算出
部１０ｄの算出した二つのカオス量の相対量を元に、相
性度算出処理プログラム９ｂに基づいて相性度を算出す
るものである。
【００４４】以上説明した各構成要素は、二つのＳＰＲ
波を並列に処理するものとする。また、本実施例では、
被験者甲と被験者乙とを対面させた状態で簡単な質問や
自由な会話をさせる。この特定時間内において、一定時
間毎に複数回二人の相対カオス量を算出し、これらの相
対カオス量を特定時間経過後に統計して平均相対カオス
量を算出する。そして、この平均カオス量に基づいて二
人の相性度を算出するものとする。
【００４５】以下、相性度測定装置の動作過程について
図６のフローチャートに基づいて説明する。試験官は、
被験者甲に皮膚電位反応測定装置６ａを装着すると共に
被験者乙に皮膚電位反応測定装置６ｂを装着し、キーボ
ード１２から双方の皮膚電位反応測定装置６の動作コマ
ンドを入力する。
【００４６】皮膚電位反応測定装置６は、動作コマンド
を受けて各被験者甲及び被験者乙のＳＰＲ波を検出し、
皮膚電位値ｘと時間ｋとからなる二次元データ：ｘ＝ｆ
（ｋ）及び皮膚電位値ｙと時間ｋとからなる二次元デー
タ：ｙ＝ｇ（ｋ）を計測する（ステップ６０１）。
【００４７】二次元データ：ｘ＝ｆ（ｋ）及びｙ＝ｇ
（ｋ）は波形増幅装置７へ入力され、波形増幅装置７で
は、当該各二次元データの波形、即ちｘ、ｙの値を増幅
させる（ステップ６０２）。さらに、当該二次元データ
は、サンプリング装置８において、特定時間間隔でサン
プリングされ、アナログ信号形式の二次元データからデ
ジタル信号形式の一次元時系列データ：｛ｘ1、ｘ2、・
・、ｘk｝、｛ｙ1、ｙ2、・・、ｙk｝に変換され（ステッ
プ６０３）、ＣＰＵ１０へ出力される。
【００４８】ここで、ＣＰＵ１０では、制御部１０ｆが
メモリ９へアクセスし、カオス量算出処理プログラム９
ａに基づいて自己相関処理部１０ａ、埋め込み処理部１
０ｂ,相関積分量算出部１０ｃ、及び相関指数算出部１
０ｄの動作を制御する。
【００４９】つまり、先ず自己相関処理部１０ａを起動
し、一次元時系列データ:｛ｘ1、ｘ2、・・、ｘk｝の自己相
関関数を算出すると同時に一次元時系列データ:｛ｙ1、
ｙ2、・・、ｙk｝の自己相関関数を算出する（ステップ６
０４）。そして、これらの自己相関関数が最初に”０”
になる時刻を算出し、時間遅れ”ｓ”及び”ｔ”の大き
さを決定する（ステップ６０５）。
【００５０】次に、制御部１０ｆは、埋め込み処理部１
０ｂを起動する。埋め込み処理部１０ｂは、前記時間遅
れ”ｓ”を元に各データの一定遅れ時間後の振幅値を当
該一次元時系列データ:｛ｘ1、ｘ2、・・、ｘk｝に埋め込
み、数式（Ｓ１）を満たすｎ次元ベクトルデータを生成
すると同時に、前記時間遅れ”ｔ”を元に各データの一
定遅れ時間後の振幅値を｛ｙ1、ｙ2、・・、ｙk｝に埋め
込み、数式（Ｓ２）を満たすｎ次元ベクトルデータを生
々する（ステップ６０６）。
【００５１】そして、制御部１０ｆは、相関積分量算出
部１０ｃを起動し、各ｎ次元ベクトルデータの相関積分
量:Ｃn（ｐ）、Ｃn（ｑ）を算出する（数式（Ｓ３）、
（Ｓ４）参照）（ステップ６０７）。
【００５２】さらに、相関指数算出部１０ｄは、相関積
分量:Ｃn（ｐ）とｐd(n)との対数をとり、数式（Ｓ５）
を満たすｐの領域を求めると共にこのｐの領域において
埋め込み次元ｎを変数とする相関指数ｄ（ｎ）の漸近点
を求め、この漸近点における相関指数ｄ（ｎ）の値をカ
オス量：Ｄ１として出力すると同時に、相関積分量:Ｃn
（ｑ）とｑd(n)との対数をとり、数式（Ｓ６）を満たす
ｑの領域を求めると共にこのｑの領域において、埋め込
み次元ｎを変数とする相関指数ｄ（ｎ）の漸近点を求
め、この漸近点における相関指数ｄ（ｎ）の値をカオス
量：Ｄ２として出力する（ステップ６０８）。ここで、
制御部１０ｆは、再度メモリ９へアクセスし、相性度算
出処理プログラム９ｂに基づいて相性度算出部１０ｅを
起動する。
【００５３】相性度算出部１０ｅは、上記カオス量:Ｄ
１とＤ２との相対量:｜Ｄ１−Ｄ２｜を算出する。以上
の動作を特定時間内に複数回繰り返し行い、特定時間経
過後に相対量:｜Ｄ１−Ｄ２｜の平均値を算出し、平均
相対量に対応する相性度を算出する。
【００５４】制御部１０ｆは、前記相性度をディスプレ
イ装置１１から画面表示する（ステップ６１０）。以下
に、カオス量と相性度との相関関係の一例を示す。
【００５５】本実施例では、相性度測定装置の起動前
に、予め４０組の男女ペアを対象に相対カオス量の測定
と、相性度の評価とを行った。相対カオス量の測定に
は、本相性度測定装置と同様に、皮膚電位反応測定装置
を用いてＳＰＲ波を計測し、このＳＰＲ波のカオス量を
算出して相対カオス量を算出した。尚カオス量の算出処
理及び相対カオス量の算出処理には、本装置と同様のア
ルゴリズムを用いた。以下、測定条件及び評価条件を示
す。 １ ＳＰＲ波の計測条件 ａ：ＳＰＲ波は、ペアとなる二人の被験者の中指から計
測する ｂ：計測場所は、室温を摂氏２３度〜２５度に保つシー
ルドルームとする ｃ：各ペア毎に計測時間は５分〜１０分間とする ２ カオス量算出処理の条件 ａ：５分間計測したしたＳＰＲ波のうち、２分〜７分の
間に計測されたＳＰＲ波をカオス量算出の対象とする ｂ：サンプリング間隔は２０ミリ秒間とし、この間の一
次元データ数:Ｎ＝１，５００とする ３ 相性度評価条件 ａ：アンケート用紙に対面する被験者の好感度を１０段
階の評価値から適当と思われる評価値を選択するものと
する尚、評価値は高い程好感度が高いものとする 以上の条件に従って測定及び評価した結果を図１４に示
す。同図は、各ペア毎の相対カオス量Ｄの平均値とペア
となる被験者に対する評価値Ｉとを縦軸を評価値とし且
つ横軸を相対カオス量とした二次元座標軸上の座標位置
情報（Ｄ、Ｉ）として集計し、これら全ての値（Ｄ、
Ｉ）を通過する近似直線である。この近似直線から、相
性度Ｉと相対カオス量Ｄとの相関関係は、数式 Ｉ＝１０−９．７５＊Ｄ ・・・（Ｓ７） を満たす直線回帰で示される。
【００５６】従って、相性度算出部１０ｅは、相関指数
算出部１０ｄの算出した二つのカオス量の相対量と前記
数式（Ｓ７）とから被験者間の相性度を算出することが
できる。
【００５７】尚、相性度と相対カオス量との相関関係式
は、被験者を測定する毎に、その測定結果に基づいて更
新するようにしてもよい。以下に、本実施例における相
性度測定装置による相性度測定実験例について説明す
る。
【００５８】本実験は入社１年目と入社３年目の女性を
社内１５人の男子上司とペアを組ませて行った。この実
験では、本実施例の相性度測定装置による両者間の相性
度の測定と並行して、問診による好感度測定を行った。
【００５９】問診は、好感度を１０段階の評価値から適
当と思われる評価値を選択する方式で行った。本相性度
測定装置により測定した相性度及び問診により測定した
評価点との相関関係を下記の表１に示す。
【００６０】
【表１】 上記の表１から入社１年目女性と男子上司とのペアでは
両者の相関が悪いが、入社３年目の女性と男子上司との
ペアでは両者は高い相関関係を示した。つまり、入社１
年目の女性では問診において本音を表せないためであ
る。
【００６１】
【発明の効果】本発明によれば、対人間の相性度を簡略
且つ定量的に測定することができる。さらに、本発明に
より測定した相性度に基づいて社員の人事移動等をスム
ースに行える。
【図面の簡単な説明】
【図１】本発明の原理図
【図２】本発明の原理図
【図３】本実施例における相性度測定装置の全体構成ブ
ロック図
【図４】本実施例におけるメモリの内部構成ブロック図
【図５】本実施例におけるＣＰＵの内部構成ブロック図
【図６】本実施例における相性度測定装置の動作フロー
チャート図
【図７】本実施例における波形増幅処理のイメージ図
【図８】本実施例におけるサンプリング処理のイメージ
図
【図９】本実施例における一次元時系列データのイメー
ジ図
【図10】自己相関関数のイメージ図
【図11】埋め込み処理のイメージ図
【図12】相関積分量と超球内の半径を表す距離との関係
を示すグラフ
【図13】相関指数ｄ（ｎ）と埋め込み次元ｎとの関係を
示すグラフ
【図14】相性度評価値とカオス量との相関関係を示すグ
ラフ
【符号の説明】
１・・カオス量算出規則 ２・・相性度判定規則 ３・・生理信号検出手段 ４・・カオス量算出手段 ４ａ・・データ変換部 ４ｂ・・相関積分量算出部 ４ｃ・・相関次元数算出部 ５・・相性度算出手段 ６ａ・・皮膚電位反応測定装置 ６ｂ・・皮膚電位反応測定装置 ７・・波形増幅装置 ８・・サンプリング装置 ９・・メモリ ９ａ・・カオス量算出処理プログラム ９ｂ・・相性度算出処理プログラム １０・・ＣＰＵ １０ａ・・自己相関処理部 １０ｂ・・埋め込み処理部 １０ｃ・・相関積分量算出部 １０ｄ・・相関指数算出部 １０ｅ・・相性度算出部 １０ｆ・・制御部 １１・・ディスプレイ装置 １２・・キーボード ４０・・サンプリング部 ４１・・高次元ベクトルデータ生成部

Claims (12)

    【特許請求の範囲】
  1. 【請求項１】 対面した各被験者の生理信号についてカ
    オス理論上のカオス量を算出するカオス量算出規則
    （１）と、前記両被験者のカオス量の相対量及び相性度
    の相関関係を定めた相性度判定規則（２）とを用い、前
    記両被験者の相性度を測定する方法であって、 対面した前記各被験者から所定の生理信号を検出する生
    理信号検出ステップ（１０１）と、 前記生理信号検出ステップ（１０１）により検出された
    各生理信号について前記カオス量算出規則（１）に基づ
    いてカオス量を算出するカオス量算出ステップ（１０
    ２）と、 前記カオス量算出ステップ（１０２）により算出された
    二つのカオス量の相対量から前記相性度判定規則（２）
    に基づいて相性度を算出する相性度算出ステップ（１０
    ３）とを備えたことを特徴とする相性度測定方法。
  2. 【請求項２】 前記請求項１において、前記カオス量算
    出ステップ（１０２）は、前記各生理信号を高次元ベク
    トルデータへ変換するデータ変換ステップ（１０２１）
    と、 前記データ変換ステップ（１０２１）により変換された
    各高次元ベクトルデータの相関積分量を算出する相関積
    分量算出ステップ（１０２２）と、 前記相関積分量算出ステップ（１０２２）により算出さ
    れた相関積分量から前記高次元ベクトルデータ毎のカオ
    ス量として相関次元数を算出する相関次元数算出ステッ
    プ（１０２３）とからなることを特徴とする相性度測定
    方法。
  3. 【請求項３】 前記請求項２において、前記データ変換
    ステップ（１０２１）は、前記生理信号検出ステップ
    （１０１）において検出された各生理信号をサンプリン
    グして一次元時系列データ ｛ｘ1、ｘ2、・・・、ｘk｝ ｛ｙ1、ｙ2、・・・、ｙk｝ （但し、ｋ：時刻、ｘk：時刻ｋにおける一方の生理信
    号の大きさ、ｙｋ：時刻ｋにおける他方の生理信号の大
    きさ）を生成するサンプリングステップ（１０２１ａ）
    と、 前記サンプリングステップ（１０２１ａ）により生成さ
    れた各一次元時系列データ毎に一定の時間遅れを埋め込
    み、下記の数式（Ｓ１）、（Ｓ２） Ｘ1＝（ｘ1、ｘ1+s、・・・、ｘ1+s/(n-1)） Ｘ2＝（ｘ2、ｘ2+s、・・・、ｘ2+s/(n-1)） ・ ・ Ｘk＝（ｘk、ｘk+s、・・・、ｘk+s/(n-1)） ・・(Ｓ１) （但しｋ：時刻、ｘk：時刻ｋにおける生理信号の大き
    さ、Ｘ：高次元ベクトルデータ、ｓ：遅れ時間、ｎ：埋
    め込み次元） Ｙ1＝（ｙ1、ｙ1+t、・・・、ｙ1+t/(n-1)） Ｙ2＝（ｙ2、ｙ2+t、・・・、ｙ2+t/(n-1)） ・ ・ Ｙk＝（ｙk、ｙk+t、・・・、ｙk+t/(n-1)） ・・(Ｓ２) （但し、ｋ：時刻、ｙｋ：時刻ｋにおける生理信号の大
    きさ、Ｙ：高次元ベクトルデータ、ｔ：遅れ時間、ｎ：
    埋め込み次元）を満たす高次元ベクトルデータを生成す
    る高次元ベクトルデータ生成ステップ（１０２１ｂ）と
    を備えたことを特徴とする相性度測定方法。
  4. 【請求項４】 記請求項２において、前記相関積分量算
    出ステップ（１０２２）は、前記各高次元ベクトルデー
    タに対して下記の数式（Ｓ３）、（Ｓ４） （但しＨ（ｓ）：ヘビサイド関数、Ｎ：データ数、ｐ：
    超球内の半径を表す距離） （但しＨ（ｔ）：ヘビサイド関数、Ｎ：データ数、ｑ：
    超球内の半径を表す距離）を満たす二つの相関積分量Ｃ
    n（ｐ）、Ｃn（ｑ）を算出することを特徴とする相性度
    測定方法。
  5. 【請求項５】 前記請求項２において、前記相関次元数
    算出ステップ（１０２３）は、前記相関積分量算出ステ
    ップ（１０２２）の算出した相関積分量の対数と前記超
    球内の半径を表す距離の対数とが下記の数式（Ｓ５）、
    （Ｓ６） ｌｏｇＣn（ｐ）＝ｄ・ｌｏｇｐ＋ａ・・・（Ｓ５） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
    数） ｌｏｇＣn（ｑ）＝ｄ・ｌｏｇｑ＋ａ・・・（Ｓ６） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
    数）を満たす距離ｐ、ｑの領域において、前記埋め込み
    次元ｎと相関指数ｄとからなる二次元関数の漸近点の相
    関指数値を前記高次元ベクトルデータの相関次元数とし
    て算出することを特徴とする相性度測定方法。
  6. 【請求項６】 前記請求項１において、前記生理信号検
    出ステップ（１０１）は、指尖容積脈波、心拍、脳波、
    血圧、身体表面の微細振動（マイクロバイブレーショ
    ン）、皮膚温、皮膚電気抵抗、皮膚電位反応から選択さ
    れる少なくとも一つの生理信号を検出することを特徴と
    する相性度測定方法。
  7. 【請求項７】 対面した各被験者の生理信号についてカ
    オス理論上のカオス量を算出するカオス量算出規則
    （１）と、前記両被験者のカオス量の相対量及び相性度
    の相関関係を定めた相性度判定規則（２）とを用い、前
    記両被験者の相性度を測定する装置であって、 対面した前記各被験者から所定の生理信号を検出する生
    理信号検出手段（３）と、 前記生理信号検出手段（３）の検出した二つの生理信号
    について前記カオス量算出規則（１）に基づいてカオス
    量を算出するカオス量算出手段（４）と、 前記カオス量算出手段（４）の算出した二つのカオス量
    の相対量から前記相性度判定規則（２）に基づいて相性
    度を算出する相性度算出手段（５）とを備えたことを特
    徴とする相性度測定装置。
  8. 【請求項８】 前記請求項７において、前記カオス量算
    出手段（４）は、前記各生理信号を高次元ベクトルデー
    タへ変換するデータ変換部（４ａ）と、 前記データ変換部（４ａ）により変換された各高次元ベ
    クトルデータに対して相関積分量を算出する相関積分量
    算出部（４ｂ）と、 前記相関積分量算出部（４ｂ）により算出された各相関
    積分量から前記高次元ベクトルデータ毎のカオス量とし
    て相関次元数を算出する相関次元数算出部（４ｃ）とを
    備えたことを特徴とする相性度測定装置。
  9. 【請求項９】 前記請求項８において、前記データ変換
    部（４ａ）は、前記生理信号検出手段（３）の検出した
    各生理信号をサンプリングして一次元時系列データ ｛ｘ1、ｘ2、・・・、ｘk｝ ｛ｙ1、ｙ2、・・・、ｙk｝ （但し、ｋ：時刻、ｘk：時刻ｋにおける一方の生理信
    号の大きさ、ｙｋ：時刻ｋ における他方の生理信号の
    大きさ）を生成するサンプリング部（４０）と、 前記サンプリング部（４０）により生成された各一次元
    時系列データ毎に一定の時間遅れを埋め込み、下記の数
    式（Ｓ１）、（Ｓ２） Ｘ1＝（ｘ1、ｘ1+s、・・・、ｘ1+s/(n-1)） Ｘ2＝（ｘ2、ｘ2+s、・・・、ｘ2+s/(n-1)） ・ ・ Ｘk＝（ｘk、ｘk+s、・・・、ｘk+s/(n-1)） ・・(Ｓ１) （但しｋ：時刻、ｘk：時刻ｋにおける生理信号の大き
    さ、Ｘ：高次元ベクトルデータ、ｓ：遅れ時間、ｎ：埋
    め込み次元） Ｙ1＝（ｙ1、ｙ1+t、・・・、ｙ1+t/(n-1)） Ｙ2＝（ｙ2、ｙ2+t、・・・、ｙ2+t/(n-1)） ・ ・ Ｙk＝（ｙk、ｙk+t、・・・、ｙk+t/(n-1)） ・・(Ｓ２) （但し、ｋ：時刻、ｙｋ：時刻ｋにおける生理信号の大
    きさ、Ｙ：高次元ベクトルデータ、ｔ：遅れ時間、ｎ：
    埋め込み次元）を満たす高次元ベクトルデータを生成す
    る高次元ベクトルデータ生成部（４１）とを備えたこと
    を特徴とする相性度測定装置。
  10. 【請求項１０】 前記請求項８において、前記相関積分
    量算出部（４ｂ）は、前記各高次元ベクトルデータに対
    して下記の数式（Ｓ３）、（Ｓ４） （但しＨ（ｓ）：ヘビサイド関数、Ｎ：データ数、ｐ：
    超球内の半径を表す距離） （但しＨ（ｔ）：ヘビサイド関数、Ｎ：データ数、ｑ：
    超球内の半径を表す距離）を満たす二つの相関積分量Ｃ
    n（ｐ）、Ｃn（ｑ）を算出することを特徴とする相性度
    測定装置。
  11. 【請求項１１】 前記請求項８において、前記相関次元
    数算出部（４ｃ）は、前記相関積分量算出部（４ｂ）の
    算出した相関積分量の対数と前記超球内の半径を表す距
    離の対数とが下記の数式（Ｓ５）、（Ｓ６） ｌｏｇＣn（ｐ）＝ｄ・ｌｏｇｐ＋ａ・・・（Ｓ５） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
    数） ｌｏｇＣn（ｑ）＝ｄ・ｌｏｇｑ＋ａ・・・（Ｓ６） （但し、ｄ：変数ｎにより決定される相関指数、ａ：実
    数）を満たす距離ｐ、ｑの領域において、前記埋め込み
    次元ｎと相関指数ｄとからなる二次元関数の漸近点の相
    関指数値を前記高次元ベクトルデータの相関次元数とし
    て算出することを特徴とする相性度測定装置。
  12. 【請求項１２】 前記請求項７において、前記生理信号
    検出手段（３）は、指尖容積脈波、心拍、脳波、血圧、
    身体表面の微細振動（マイクロバイブレーション）、皮
    膚温、皮膚電位反応、皮膚電気抵抗から選択される少な
    くとも一つの生理信号を検出することを特徴とする相性
    度測定装置。
JP14409293A 1993-06-15 1993-06-15 相性度測定方法及び装置 Pending JPH0721146A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP14409293A JPH0721146A (ja) 1993-06-15 1993-06-15 相性度測定方法及び装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP14409293A JPH0721146A (ja) 1993-06-15 1993-06-15 相性度測定方法及び装置

Publications (1)

Publication Number Publication Date
JPH0721146A true JPH0721146A (ja) 1995-01-24

Family

ID=15354034

Family Applications (1)

Application Number Title Priority Date Filing Date
JP14409293A Pending JPH0721146A (ja) 1993-06-15 1993-06-15 相性度測定方法及び装置

Country Status (1)

Country Link
JP (1) JPH0721146A (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011090426A (ja) * 2009-10-21 2011-05-06 Omron Healthcare Co Ltd 体動検出装置
JP2013094181A (ja) * 2011-10-28 2013-05-20 Architect Co Ltd 恋愛度診断装置、恋愛度診断システム及びコンピュータプログラム
KR101334895B1 (ko) * 2012-05-21 2013-12-02 상명대학교서울산학협력단 맥파를 이용한 주관적 친애도 평가 방법 및 이를 적용하는 시스템
JP2015000278A (ja) * 2013-06-18 2015-01-05 日本電信電話株式会社 印象推定装置、方法、プログラム及び記録媒体
WO2015194689A1 (ko) * 2014-06-18 2015-12-23 상명대학교서울산학협력단 Hrc (heart rhythm coherence)를 이용한 사회 관계성 측정 방법
WO2015194690A1 (ko) * 2014-06-18 2015-12-23 상명대학교서울산학협력단 Hrp(heart rhythm pattern)를 이용한 사회 관계성 측정 방법
KR20200049450A (ko) * 2018-10-30 2020-05-08 상명대학교산학협력단 개인 성향에 기초한 사회적 관계의 동기화 판단 방법 및 장치
CN114617555A (zh) * 2022-03-16 2022-06-14 山东大学 基于生理特征稳定性检测的心理评估系统、介质及设备

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011090426A (ja) * 2009-10-21 2011-05-06 Omron Healthcare Co Ltd 体動検出装置
JP2013094181A (ja) * 2011-10-28 2013-05-20 Architect Co Ltd 恋愛度診断装置、恋愛度診断システム及びコンピュータプログラム
KR101334895B1 (ko) * 2012-05-21 2013-12-02 상명대학교서울산학협력단 맥파를 이용한 주관적 친애도 평가 방법 및 이를 적용하는 시스템
JP2015000278A (ja) * 2013-06-18 2015-01-05 日本電信電話株式会社 印象推定装置、方法、プログラム及び記録媒体
WO2015194689A1 (ko) * 2014-06-18 2015-12-23 상명대학교서울산학협력단 Hrc (heart rhythm coherence)를 이용한 사회 관계성 측정 방법
WO2015194690A1 (ko) * 2014-06-18 2015-12-23 상명대학교서울산학협력단 Hrp(heart rhythm pattern)를 이용한 사회 관계성 측정 방법
KR101580628B1 (ko) * 2014-06-18 2015-12-28 상명대학교 서울산학협력단 HRC (Heart Rhythm Coherence)를 이용한 사회 관계성 측정 방법
US10085666B2 (en) 2014-06-18 2018-10-02 Sangmyung University Seoul Industry-Academy Cooperation Foundation Method for measuring social relationship using heart rhythm coherence (HRC)
US10478110B2 (en) 2014-06-18 2019-11-19 Sangmyung University Seoul Industry—Academy Cooperation Foundation Method for measuring social relationship using heart rhythm pattern (HRP)
KR20200049450A (ko) * 2018-10-30 2020-05-08 상명대학교산학협력단 개인 성향에 기초한 사회적 관계의 동기화 판단 방법 및 장치
CN114617555A (zh) * 2022-03-16 2022-06-14 山东大学 基于生理特征稳定性检测的心理评估系统、介质及设备

Similar Documents

Publication Publication Date Title
US10299735B2 (en) Automated diagnosis based at least in part on pulse waveforms
JP3310498B2 (ja) 生体情報解析装置および生体情報解析方法
JP5327458B2 (ja) 精神ストレス評価とそれを用いた装置とそのプログラム
JPH07204168A (ja) 生体情報自動識別装置
KR102202029B1 (ko) 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치
JP6513005B2 (ja) 疲労度計
WO2018106146A2 (ru) Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий
Chung et al. Neural network study for standardizing pulse-taking depth by the width of artery
JPH0721146A (ja) 相性度測定方法及び装置
JP2965618B2 (ja) ストレス度判定装置
Pombo et al. Big data reduction using RBFNN: A predictive model for ECG waveform for eHealth platform integration
Roy et al. BePCon: a photoplethysmography-based quality-aware continuous beat-to-beat blood pressure measurement technique using deep learning
JPH08275934A (ja) 相関調査システム
Ertuğrul et al. A noninvasive time-frequency-based approach to estimate cuffless arterial blood pressure
Soni et al. Effect of physical activities on heart rate variability and skin conductance
Cipresso et al. Continuous measurement of stress levels in naturalistic settings using heart rate variability: An experience-sampling study driving a machine learning approach
Engin Spectral and wavelet based assessment of congestive heart failure patients
Singh et al. Multi-scale fractal dimension to quantify heart rate variability and systolic blood pressure variability: A postural stress analysis
Bansal et al. Algorithm for online detection of HRV from coherent ECG and carotid pulse wave
Ao et al. Overcoming the effect of muscle fatigue on gesture recognition based on sEMG via generative adversarial networks
Sinha et al. iHyptn: Predicting Hypertension using PPG signal for Cardiovascular Disease with Machine Learning Models
Rahatabad et al. The relation between chaotic feature of surface EEG and muscle force: Case study report
JP2022098608A (ja) 心拍変動指標推定装置、心拍変動指標推定方法、及び、心拍変動指標推定プログラム
Choi et al. Oscillometry-based blood pressure estimation using convolutional neural networks
Daniels et al. A data-driven detection system for predicting stress levels from autonomic signals