• 식물분류학회지
• /
• 제34권3호
• /
• pp.205-220
• /
• 2004

한국산 광의의 붉나무속(Rhus) 6분류군간의 한계를 검토하기 위하여 28집단에 대한 67개의 외부형태학적 형질을 기초로 주성분분석과 군집분석의 수리분류학적 연구를 실시하였다. 47개의 정량형질을 기초로 한 주성분분석 결과에서는, 주성분 1, 2, 3이 전체분산값의 77.9%(주성분1 35.2%, 주성분2 22.5%, 주성분3 20.2%), 또한 20개의 정성형질을 기초로 한 분석결과에서는, 주성분 1, 2, 3은 전체분산에 대해 90.7%(주성분1 37.7%, 주성분2 33.0%. 주성분3 20.0%)를 설명 할 수 있는 것으로 나타났다. 주성분적재값을 기초로 하여 공간배열을 실시한 결과, 조사된 분류군들은 종집단 간에 뚜렷한 한계를 보이며 유집되었다. 또한, 단순유집계수에 의한 군집분석을 수행하여 UPGMA 표현도를 작성한 결과, 각각의 분류군 사이에는 뚜렷한 한계를 보였다. 군집분석 결과, 한국산 광의의 붉나무속 식물의 분류에는 정성적 형질이 유용한 것으로 나타났으며, 수리분류학적 연구는 한국산 광의의 붉나무속 6분류군의 분류학적 한계설정에 매우 유용한 것으로 나타났다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권3호
• /
• pp.361-368
• /
• 2004

본 논문에서는 온라인 학습 자료의 비선형 특징(feature) 추출을 위한 새로운 온라인 비선형 주성분분석(OL-NPCA : On-line Nonlinear Principal Component Analysis) 기법을 제안한다. 비선형 특징 추출을 위한 대표적인 방법으로 커널 주성분방법(Kernel PCA)이 사용되고 있는데 기존의 커널 주성분 분석 방법은 다음과 같은 단점이 있다. 첫째 커널 주성분 분석 방법을 N 개의 학습 자료에 적용할 때 N${\times}$N크기의 커널 행렬의 저장 및 고유벡터를 계산하여야 하는데, N의 크기가 큰 경우에는 수행에 문제가 된다. 두 번째 문제는 새로운 학습 자료의 추가에 의한 고유공간을 새로 계산해야 하는 단점이 있다. OL-NPCA는 이러한 문제점들을 점진적인 고유공간 갱신 기법과 특징 사상 함수에 의해 해결하였다. Toy 데이타와 대용량 데이타에 대한 실험을 통해 OL-NPCA는 다음과 같은 장점을 나타낸다. 첫째 메모리 요구량에 있어 기존의 커널 주성분분석 방법에 비해 상당히 효율적이다. 두 번째 수행 성능에 있어 커널 주성분 분석과 유사한 성능을 나타내었다. 또한 제안된 OL-NPCA 방법은 재학습에 의해 쉽게 성능이 항상 되는 장점을 가지고 있다.

• 한국정보통신학회논문지
• /
• 제8권7호
• /
• pp.1475-1479
• /
• 2004

고차원 자료를 효율적으로 처리하기 위해서는 특징 추출 기법이 필요하다. 주성분분석 방법은 대표적인 특징추출 방법이지만 학습 자료의 차원이 큰 경우에는 고유공간을 계산하기 위해 많은 기억공간과 계산량을 필요로 한다. 본 논문에서는 고차원 자료의 특징 추출을 위해 점진적인 주성분분석 방법을 사용한다. 제안한 방법에 대해 신경망에서 점진적인 주성분분석을 하는 대표적인 방법인 APEX모델과 실험을 통해 비교해 본 결과 제안된 방법이 APEX 모델 보다 성능이 우수함을 나타내었다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권3호
• /
• pp.533-541
• /
• 2013

이 연구에서는 라소를 이용한 간편한 주성분분석을 제안한다. 이 방법은 다음의 두 단계로 구성되어 있다. 먼저 주성분분석에 의해 주성분을 구한다. 다음으로 각 주성분을 반응변수로 하고 원자료를 설명변수로 하는 라소 회귀모형에 의한 회귀계수 추정량을 구한다. 이 회귀계수 추정량에 기반한 새로운 주성분을 사용한다. 이 방법은 라소 회귀분석의 성질에 의해 회귀계수 추정량이 보다 쉽게 0이 될 수 있기 때문에 해석이 쉬운 장점이 있다. 왜냐하면 주성분을 반응변수로 하고 원자료를 설명변수로 하는 회귀모형의 회귀계수가 고유벡터가 되기 때문이다. 라소 회귀모형을 위한 R 패키지를 이용하여 모의생성된 자료와 실제 자료에 이 방법을 적용하여 유용성을 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.79-84
• /
• 2021

고차원의 데이터를 처리하기 위해서는 데이터의 성질을 유지하면서 특징을 잘 반영할 수 있는 특징 추출 방법이 필요하다. 주성분분석 방법은 고차원 데이터에 포함된 정보를 저차원의 데이터로 변환하여 원래 데이터의 변수 수보다 적은 수의 변수로 고차원 데이터를 표현 할 수 있는 방법으로서 데이터의 특징 추출을 위한 대표적인 방법이다. 본 연구에서는 데이터가 고차원인 경우 데이터 특징 추출을 위한 주성분 분석에 있어서 주성분 변수 선정 시 적응적 상관도를 기반으로 한 주성분 분석 방법을 제안한다. 제안하는 방법은 입력 데이터간의 상관 관계를 기반으로 상관도를 적응적으로 반영하여 데이터의 주성분을 분석함으로써 다른 여러 변수에 중복적으로 상관도가 높은 변수와 주성분을 유도하는데 연관성이 적은 변수를 주성분 변수 후보 대상에서 제외시키고자 한다. 고유벡터 계수 값에 의한 주성분 위계를 분석하고 위계가 낮은 주성분이 변수로 선정이 되는 것을 막고 또한 상관 분석을 통하여 데이터의 중복 발생이 데이터 편향을 유도하는 것을 최소화하 하고자 한다. 이를 통하여 주성분 변수 선정 시 데이터 편향성의 영향을 줄임으로써 실제 데이터의 특징을 잘 나타내는 주성분 변수를 선정하는 방법을 제안하고자 한다.

• 대한지리학회지
• /
• 제36권
• /
• pp.13-25
• /
• 1987

이 글에서는 다음의 내용을 다루었다. 1. 주성분분석의 결과 및 고찰 2. 기후구분

• 응용통계연구
• /
• 제30권3호
• /
• pp.441-451
• /
• 2017

본 논문에서는 주파수공간에서의 주성분 분석을 사용하여 기상자료를 분석하고자 한다. 주파수공간에서의 주성분분석은 차원축소를 위해서도 사용되지만, 주요한 패턴을 뽑아내는 데 사용되는 통계적 방법 중 하나이다. 일반적으로 주파수공간에서의 주성분 분석은 두 가지의 방법이 있는데, Hilbert PCA와 frequency domain PCA가 그것이다. 본 논문에서는 기존의 시간공간 주성분 분석과 함께 두 가지 주파수공간 주성분 분석 방법을 비교하였다. 시뮬레이션 자료를 통하여 주파수공간 주성분 분석 방법의 유용성을 보였으며, 열대 태평양 지역의 해수표층 온도값에 주성분 분석 방법들을 적용하여 기상자료 분석에 대한 유용성을 확인하였다.

• 생명과학회지
• /
• 제13권3호
• /
• pp.343-348
• /
• 2003

육종재료를 얻기 위하여 부산·경남지역에서 수집된 재래종 옥수수 49 계통을 선발하여 본 실험을 실시하였다. 본 시료는 주성분분석을 이용하여 재래종 옥수수를 해석하고 계통분류를 실시하였던 바 다음과 같은 결과를 얻었다. 7 개의 형질을 이용하여 실시한 주성분분석에서는 제 4주성분까지를 가지고 전체 변동의 86.3%를 설명할 수 있었고, 제 2 주성분까지는 전체 변동의 67.4%를 설명할 수 있었다. 주성분에 대한 형질들의 기여율은 형질에 따라 달랐고 상위 주성분에서 켰으며 하위 주성분에서 작았다. 주성분과 형질과의 상관계수는 주성분의 생물학적 의의와 주성분에 대응한 식물체의 형을 명확히 하였는데 제 1 주성분은 식물체의 크기 및 생장기간에 관련된 주성분이었고, 제2주성분은 이삭수와 분얼수에 관련된 주성분이었다. 제 3주성분과 제 4 주성분에서는 형질간에는 유의성이 인정되지 않았다.

• 응용통계연구
• /
• 제8권1호
• /
• pp.51-60
• /
• 1995

크기가 $n \times p$인 자료행렬에서 p개의 변수들과 성격이 다소 다른 $p_s$개의 변수를 같이 고려한 크기가 $n \times (p + p_s)$ 자료행렬이 있다 하자. 전통적 주성성분분석은 성격이 다른 변수들로 인하여 효과적인 결과를 제공하지 못한다. 본 논문에서는 이런 점을 개선하기 위해서 성격이 다른 $p_s$개의 변수를 추가변수로 두는 추가적 주성분분석을 소개하려 한다. 이 기법은 전통적 주성분분석의 대수적,기하적인 면을 따른다. 그리고 전통적 주성분분석과 추가적 주성성분분석을 활용한 한국 프로야구의 8개팀과 1982-1992년 동안의 14개의 부문별 기록에 대한 전형적인 자료분석의 한 예를 제시한다. 더불어 두 분석의 결과도 비교하였다.

• 핵의학기술
• /
• 제19권1호
• /
• pp.12-16
• /
• 2015

주성분분석(Principal component analysis, PCA)은 고차원 변수들 사이의 복잡한 상관성 구조를 더 낮은 차원으로 단순화하여 상관성의 구조를 쉽게 설명하기 위한 다변량분석기법으로 뇌영상 분석에서 자주 사용되는 방법이다. 주성분분석의 기본개념은 서로 직교하는 변수들의 선형결합을 통해서 원래의 뇌영상 자료가 가지고 있는 전체정보를 최대한 설명할 수 있는 서로 독립적인 새로운 변수들을 유도하는 것이다. 뇌영상분석에서 주성분분석의 효율성과 유용성을 알아보기 위해서 C[11]-PIB 영상을 이용하여 분석하였다. 대상 및 방법으로는 평균나이가 같은 9명의 정상인, 10명의 알츠하이머/경도인지장애환자들의 C[11]-PIB 영상을 이용하였다. PET-CT 장비로는 Biograph 6 Hi-Rez (Siemens-CTI, Knoxville, TN)를 영상을 획득하였고 9.6 MBq/kg C[11]-PIB를 정맥주사 한 후 40분 후에 20분 동안 3D acquisition mode로 방출영상을 얻었다. Attenuation map은 X-ray CT scan을 이용하여 재구성하였다(130 kVp, 240 mA). PIB template을 만들기 위해서 정상인에서 3T MRI T1-weighted 영상을 동시에 얻었다. 주성분분석을 위한전처리과정으로서 공간정규화 및 공간편평화를 SPM8을 이용하여 실시하였고 주성분분석은 Matlab2012b를 이용하여 분석하다. 결과는 주성분분석을 통해서 서로 독립적인 주성분영상들을 얻을 수 있었다. 주성분분석을 통해서 얻어진주성분영상은 C[11]-PIB brain PET 영상의 패턴을 몇 개의 주성분으로 단순화 할 수 있었으며 주로는 neocortex를 변동 나타내는 영상, white matter의 변동을 나타내는 영상 그리고 pons등 deep brain의 변동을 나타내는 영상 등으로 단순화되었다. 결론으로는 주성분분석은 C[11]-PIB brain 영상을 단순화하여 영상의 패턴을 해석하는데 매우 유용하였다. 이러한 주성분분석은C[11]-PIB영상 분석뿐만 아니라 뇌의 포도당 대사를 측정하는 FDG-PET 또는 뇌기능영상등의 다변량분석 방법으로서 그 적용범위가 클 것으로 기대된다.