• 천문학회지
• /
• 제50권1호
• /
• pp.7-20
• /
• 2017

We carry out the study of $850{\mu}m$ sources in a part of the XMM-LSS field. The $850{\mu}m$ imaging data were obtained by the SCUBA-2 on the James Clerk Maxwell Telescope (JCMT) for three days in July 2015 with an integration time of 6.1 hours, covering a circular area with a radius of 15'. We choose the central area up to a radius of 9'.15 for the study, where the noise distribution is relatively uniform. The root mean square (rms) noise at the center is 2.7 mJy. We identify 17 sources with S/N > 3.5. Differential number count is estimated in flux range between 3.5 and 9.0 mJy after applying various corrections derived by imaging simulations, which is consistent with previous studies. For detailed study on the individual sources, we select three sources with more reliable measurements (S/N > 4.5), and construct their spectral energy distributions (SEDs) from optical to far-infrared band. Redshift distribution of the sources ranges from 0.36 to 3.28, and their physical parameters are extracted using MAGPHYS model, which yield infrared luminosity $L_{IR}=10^{11.3}-10^{13.4}L_{\odot}$, star formation rate $SFR=10^{1.3}-10^{3.2}M_{\odot}yr^{-1}$ and dust temperature $T_D=30-53K$. We investigate the correlation between $L_{IR}$ and $T_D$, which appears to be consistent with previous studies.

• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.1-6
• /
• 2014

본 연구에서 $(2D)^2$ PCA 알고리즘을 이용한 최적 RBFNNs 기반 나이트비전 얼굴인식 시뮬레이터을 설계한다. CCD 카메라로 야간에 이미지를 취득할 경우 조도가 낮기 때문에 인식을 수행하기 어려운 수준의 이미지가 취득되는 문제점이 발생한다. 따라서 본 논문에서는 나이트 비전 카메라를 이용하여 야간 얼굴을 취득하였다. 또한 얼굴과 비얼굴 이미지 영역에서 야간 얼굴 이미지를 검출하기 위해 Ada-Boost 알고리즘을 사용한다. 그리고 히스토그램 평활화를 이용하여 이미지의 왜곡 현상을 최소화 한다. 이렇게 얻어진 고차원 이미지를 저차원으로 축소하기 위해 $(2D)^2$ PCA 알고리즘을 사용했다. 다항식 기반 RBFNNs을 이용한 지능형 패턴 분류 모델을 통하여 얼굴인식을 수행 한다. 마지막으로 차분진화 알고리즘을 사용하여 파라미터를 최적화 한다. $(2D)^2$ PCA를 최적 RBFNNs 기반 나이트비전 얼굴인식 시스템의 성능 평가를 위하여 IC&CI Lab data를 사용하고 실제 얼굴 인식 시스템을 설계한다.

• 전자공학회논문지
• /
• 제51권1호
• /
• pp.195-201
• /
• 2014

본 연구에서는 $(2D)^2PCA$ 알고리즘을 이용한 pRBFNNs 패턴분류기 기반 얼굴인식 시스템을 설계하였다. 기존의 1차원 PCA는 행과 열의 곱으로 표현한 이미지의 차원을 축소한다. 하지만 $(2D)^2PCA$(2-Directional 2-Dimensional Principal Components Analysis)는 이미지의 행과 열에서 각각 차원축소를 수행한다. 그 다음 제안된 지능형 패턴분류기로 축소된 이미지를 사용하여 성능을 평가한다. (pRBFNNs)로 성능 평가를 한다. 제안된 다항식 기반 RBFNNs은 조건부, 결론부, 추론부 세가지의 기능적 모듈로 구성되어 있고 조건는 퍼지 클러스터링을 사용하여 입력 공간을 분할하고, 결론부는 RBFNNs의 연결가중치로 일차 선형식으로 표현한다. 또한 차분진화 알고리즘을 이용하여 제안된 분류기의 파라미터, 즉 입력의 수, 퍼지 클러스터링의 퍼지화 계수를 최적화 한다. 얼굴인식에 많이 사용되는 Yale과 AT&T를 사용하여 인식률을 평가하였다. 실험 평가를 위해 IC&CI 연구실 데이터를 추가하여 실험하였다.