• Korean Journal of Plant Resources
• /
• v.13 no.1
• /
• pp.80-88
• /
• 2000

External morphology and numerical taxonomy by principal component analysis and cluster analysis were investigated to understand the taxonomic relationships on the populations of Hanabusaya asiatica from 6 different habitats. Additionally H. latisepala was used as a outgroup. The distinct characters to each habitat were not present in the measurement of 21 qualitative characters except for some native individuals in the top of Mt. Sorak and Hyangrobong based on leaf shape and bracts. This results were recognized as the continuous variations of external morphology. The populations of H. latisepala and H. asiatica were identified by calyx lobe shape. The results obtained based on the principal component(PC) analysis of treated 78 OTU were divided into two groups by PC 1,2,3, and the sums of contributions for the total variance were 50.07% (PC1 22.3% , PC2 15.7%, PC3 12.0%, respectively), and six populations were not distinctly identified as illustrated in two dimensions with PC1 and PC2. In cluster analysis based on average linkage cluster analysis and Ward's method, there were similarities in the composition of clustered taxa, and each populations were not identified.

• The Korean Journal of Nuclear Medicine Technology
• /
• v.19 no.1
• /
• pp.12-16
• /
• 2015

Purpose Principal component analysis (PCA) is a method often used in the neuroimagre analysis as a multivariate analysis technique for describing the structure of high dimensional correlation as the structure of lower dimensional space. PCA is a statistical procedure that uses an orthogonal transformation to convert a set of observations of correlated variables into a set of values of linearly independent variables called principal components. In this study, in order to investigate the usefulness of PCA in the brain PET image analysis, we tried to analyze C[11]-PIB PET image as a representative case. Materials and Methods Nineteen subjects were included in this study (normal = 9, AD/MCI = 10). For C[11]-PIB, PET scan were acquired for 20 min starting 40 min after intravenous injection of 9.6 MBq/kg C[11]-PIB. All emission recordings were acquired with the Biograph 6 Hi-Rez (Siemens-CTI, Knoxville, TN) in three-dimensional acquisition mode. Transmission map for attenuation-correction was acquired using the CT emission scans (130 kVp, 240 mA). Standardized uptake values (SUVs) of C[11]-PIB calculated from PET/CT. In normal subjects, 3T MRI T1-weighted images were obtained to create a C[11]-PIB template. Spatial normalization and smoothing were conducted as a pre-processing for PCA using SPM8 and PCA was conducted using Matlab2012b. Results Through the PCA, we obtained linearly uncorrelated independent principal component images. Principal component images obtained through the PCA can simplify the variation of whole C[11]-PIB images into several principal components including the variation of neocortex and white matter and the variation of deep brain structure such as pons. Conclusion PCA is useful to analyze and extract the main pattern of C[11]-PIB image. PCA, as a method of multivariate analysis, might be useful for pattern recognition of neuroimages such as FDG-PET or fMRI as well as C[11]-PIB image.

• Journal of the Korean Geotechnical Society
• /
• v.26 no.10
• /
• pp.69-79
• /
• 2010

To detect abnormal events in slopes, Principal Component Analysis (PCA) is applied to the slope that was collapsed during monitoring. Principal component analysis is a kind of statical methods and is called non-parametric modeling. In this analysis, principal component score indicates an abnormal behavior of slope. In an abnormal event, principal component score is relatively higher or lower compared to a normal situation so that there is a big score change in the case of abnormal. The results confirm that the abnormal events and collapses of slope were detected by using principal component analysis. It could be possible to predict quantitatively the slope behavior and abnormal events using principal component analysis.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1997.11a
• /
• pp.171-175
• /
• 1997

본 논문에서는 LVQ(Learning Vector Quentization) 신경회로망의 새로운 가중치 초기화법을 제안하고 이를 얼굴인식 시스템에 적용하였다. 제안한 방법은 초기가중치를 패턴 결정 경계면 주변에 설정함으로써 인식율을 높이는 방법이다. 얼굴인식의 특징 추출 방법으로서는 주성분 분석, 모멘트, 푸리에 기술자, 모멘트+주성분 분석 및 푸리에 기술자+주성분 분석 등을 사용하여 실험하였으며, 인식부의 LVQ 신경회로망에 제안된 방법을 적용하여 기존의 방법과 비교 실험하였다. 실험 결과 초기가중치를 최초 패턴으로 가지는 경우, 평균값을 취하는 경우, 랜덤하게 사용하는 경우 등에 비해서 우수한 인식율을 보임을 알 수 있었다.

• Proceedings of the Korea Contents Association Conference
• /
• 2018.05a
• /
• pp.475-476
• /
• 2018

생물통계학에 기반한 사용자 인증의 새로운 방법으로 안구 운동 정보가 새롭게 각광받고 있다. 이 논문에서는 안구운동정보가 사용자 인증 문제에 왜 좋은 지를 설명하고, 인증의 정확도를 향상시키기 위한 방안으로 주성분분석에 의한 방법을 제안한다. 주성분 분석은 데이터에서 변동이 가장 큰 방향을 찾아주기에 이를 활용하여 안구운동 데이터의 특징을 추출하면 인증 성능이 향상될 수 있을 것이다.

• The Journal of the Korea Contents Association
• /
• v.15 no.1
• /
• pp.475-481
• /
• 2015

We use polynomial regression instead of linear regression if there is a nonlinear relation between a dependent variable and independent variables in a regression analysis. The performance of polynomial regression, however, may deteriorate because of the correlation caused by the power terms of independent variables. We present a polynomial regression model for the numerical inversion of PGF and show that polynomial regression results in the deterioration of the estimation of the coefficients. We apply principal components regression to the polynomial regression model and show that principal components regression dramatically improves the performance of the parameter estimation.

• The KIPS Transactions:PartB
• /
• v.17B no.2
• /
• pp.177-182
• /
• 2010

This paper proposes a new document clustering method using PCA and fuzzy association. The proposed method can represent an inherent structure of document clusters better since it select the cluster label and terms of representing cluster by semantic features based on PCA. Also it can improve the quality of document clustering because the clustered documents by using fuzzy association values distinguish well dissimilar documents in clusters. The experimental results demonstrate that the proposed method achieves better performance than other document clustering methods.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.32-35
• /
• 2011

전기역학적 임피던스(electromechanical impedance)를 이용한 구조물 건전성 모니터링(structural health monitoring; SHM) 기술은 구조물의 주요 부재에 압전센서를 부착하여 이로부터 획득한 임피던스 신호의 변화를 관찰함으로써 구조물의 국부적 상태를 실시간으로 진단하는 것이다. 임피던스는 손상뿐만 아니라 외부 온도에도 민감하게 반응하기 때문에 구조물 진단 결과에 상당한 오차를 유발할 수 있으므로 이에 대한 보상을 수행해야 한다. 따라서 본 논문에서는 온도변화가 임피던스 기반 진단 결과에 미치는 영향을 PZT 센서를 사용하여 실험적으로 연구하였다. 리액턴스(reactance)의 주성분 분석(Principal Component Analysis; PCA)을 통해 도출된 첫번째 주성분과 저항(resistance)으로부터 계산된 손상지수 사이의 관계를 분석함으로써, 온도변화에 의해 구별되지 않았던 손상을 보다 확연하게 구별 할 수 있음을 확인하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.225-228
• /
• 2002

본 논문에서는 화자인식을 위하여 강인한 주성분 분석법(Robust Principal Component Analysis)을 갖는 화자인식 방법을 제안하였다. 강인한 주성분 분석법은 특징벡터들의 outlier가 존재할 경우 k-차원으로 줄이면서 강인한 화자 모델을 만들기 위하여 사용한다. 기존의 PCA 방법은 순수한 화자의 정보가 잡음 등의 outlier에 의해 손상될 수 있으므로, 강인한 주성분 분석법을 사용하여 outlier의 영향을 감소 시켰다. 화자 별로 k-차원 diagonal GMM 학습시 mixture 수를 적응시켜 데이터 저장 공간을 최소화하였다. 200명의 고립 숫자음을 사용하여 기존의 diagonal GMM 방법과 제안된 방법을 실험한 결과, 제안된 방법에서 약 $1.5\%$더 높은 인증률을 얻을 수 있었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.249-250
• /
• 2022

최근 API Call을 기반으로 하는 악성코드 탐지 및 분류에 대한 연구가 활발히 진행되고 있다. 그러나 API Call 기반의 데이터는 방대한 양과 다양한 차원의 특성으로 인해 분석과 학습 모델 구축 측면에서 비효율적인 한계가 있다. 이에 본 연구에서는 방대한 API Call 정보를 포함하고 있는 CICAndMal2020 데이터 세트를 대상으로 기존의 특성 선택 기법이 아닌 주성분 분석(Principal Component Analysis)을 사용하여 차원을 대폭 축소 시킨 후 머신러닝 기법을 적용하여 분류를 시도하였다. 실험 결과 전체 9,503개의 특성을 25개의 주성분(전체 대비 약 0.26% 수준)으로 축소시키고 다중 분류 기준 약 84%의 정확도를 나타냈다. 결과적으로 기존 연구에서의 탐지 모델 대비 정확도, F1-score 등의 성능 향상은 물론 차원 축소 측면에서 매우 향상된 결과를 달성하였다.