• 전자공학회논문지CI
• /
• 제49권4호
• /
• pp.42-53
• /
• 2012

패턴 인식과 기계 학습 분야에서 분류는 가장 기본적으로 해결해야 하는 문제의 유형이다. Adaboost 알고리즘은 Boosting 알고리즘의 아이디어를 실제 데이터분석에 이용할 수 있도록 개량한 방법으로써, 단계를 반복하여 나온 여러 개의 약한 분류기와 가중치 값들의 조합으로 강한 분류기를 생성하는 두 개의 클래스를 분류하는 분류기이다. 주성분 분석법과 선형 판별 분석법은 높은 차원의 특징 벡터를 낮은 차원의 특징 벡터로 축소하는 특징 벡터의 차원 감소와 데이터의 특징 추출에도 유용하게 사용되는 방법들이다. 본 논문에서는, 주성분 분석법과 선형 판별 분석법을 이용하여 추출한 특징을 Adaboost 알고리즘의 약 분류기로 사용함으로써, 특징 추출과 분류를 동시에 하고, 인식률을 높이는 효율적인 Boosted-PCA와 Boosted-LDA 알고리즘을 제안한다. 마지막 장에서는, 제안하는 알고리즘으로 UCI Data-Set 중 2 Class-Data와 FRGC Data의 남자와 여자 영상에 대해서 분류 실험을 진행하였다. 실험의 결과로 제안한 Boosted-PCA와 Boosted-LDA 알고리즘이 기존의 특징 추출 알고리즘과 최근접 이웃 분류기, SVM을 이용한 분류기 방법과 비교하여 인식률이 향상됨을 보인다.

• 한국정보통신학회논문지
• /
• 제10권12호
• /
• pp.2283-2288
• /
• 2006

최근 생명 정보학 기술의 발달로 마이크로 단위의 실험조작이 가능해짐에 따라 하나의 chip상에서 전체 genome의 expression pattern을 관찰할 수 있게 되었고, 동시에 수 만개의 유전자들 간의 상호작용도 연구 가능하게 되었다. 이처럼 DNA 마이크로어레이 기술은 복잡한 생물체를 이해하는 새로운 방향을 제시해주게 되었다. 따라서 이러한 기술을 통해 얻어진 대량의 유전자 정보들을 효과적으로 분석하는 방법이 시급하다. 본 논문에서는 실험용 데이터로 하버드대학교의 바이오인포메틱스 코어 그룹의 샘플데이터 이용하여 마이크로어레이 실험에서 다양한 원인에 의해 발생하는 잡음(noise)을 줄이거나 제거하는 과정인 표준화 과정을 거쳐 특징 추출방법인 베이지안 알고리즘 ASA(Adaptive Simulated Annealing) 방법을 이용하여 데이터를 2개의 클래스로 나누고, 정확도를 평가하는 시스템을 설계하고 구현하였다. Lowess 표준화 후 98.23%의 정확도를 보였다.

• 비파괴검사학회지
• /
• 제16권1호
• /
• pp.34-45
• /
• 1996

음향 방출 신호의 수집 및 처리, 특징값 추출 및 선택, 분류기 설계 및 검증 과정 등을 수행할 수 있는 신호 형상 인식 프로그램을 개발하고, 이를 오스테나이트계 STS304 용접부의 인공 결함 분류 연구에 적용하였다. 특히 분류기로는 선형 함수 분류기, 경험적 Bayesian 분류기, 신경 회로망 분류기를 사용하였고, 센서는 광대역 센서와 공진형 센서를 사용하여 분류기간의 비교와 센서간의 차이점을 검토하였다. 그 결과 신경 회로망 분류기가 다른 분류기에 비해 높은 인식률을 주었고, 공진형 센서보다는 광대역 센서를 통해 받은 신호가 더 높은 인식률을 주었다.

• 정보처리학회논문지B
• /
• 제11B권3호
• /
• pp.281-288
• /
• 2004

본 논문은 외부 자극에 대한 생물 행동의 복잡하고 다양한 특징들을 추출하고 분석하기 위한 방법을 제안한다. 이를 위해 물 속 생물인 깔따구의 행동궤적으로부터 얻어 낸 속도 벡터의 위상영상에 적응적이고 수리적인 방법인 에너지 최소화 모델을 적용한다. 즉, 다이아지논이라는 약물이 처리되기 전과 후의 깔따구의 행동궤적의 특징을 위상영상으로부터 찾아내어 행동 패턴을 분류하고 이 약물에 대한 깔따구의 적응적 행동 특징을 추출하는 것이다. 특징추출을 위해 도입한 방법은 T. Chan과 L. Vese에 의해 제안된 개선 Active Contour 모델에 근거한 것으로 Active Contour를 진화시키는 과정에서 생성되는 에너지함수 값의 변화를 이용한 것이다. Active Contour 모델이란 주어진 영상에 놓인 커브를 그 커브에 의해 분할된 부분영상들의 에너지 값들의 합을 최소화하는 방향으로 변화하게 함으로써 영상 내 객체의 경계를 찾는 영상분할 방법이다. 깔따구의 행동궤적 데이터는 CCD 카메라를 통해 0.25초 간격으로 약물을 처리하기 전과 후 4일 간을 관찰하여 획득하고, 이 행동궤적 데이터에서 행동의 특징 요소가 되는 속도벡터 성분을 15-20분 간격으로 추출하여 위상영상을 만든다. 그리고 이 위상영상에 Active Contour를 적용함으로써 시간에 따라 감소하는 에너지 함수 값의 그래프에서 구해진 기울기 변화에 대한 수리적 계산과 분석을 통해 깔따구 행동궤적의 특징을 찾고 행동 패턴을 분류한다. 또한, 에너지 최소화 모델은 약물 처리된 깔따구의 반응적인 행동이 이에 적응하고 있음을 효과적으로 보여준다.