• Journal of Communications and Networks
• /
• 제14권5호
• /
• pp.471-480
• /
• 2012

Reliable detection of primary user activity increases the opportunity to access temporarily unused bands and prevents harmful interference to the primary system. By extracting a global decision from local sensing results, cooperative sensing achieves high reliability against multipath fading. For the effective combining of sensing results, which is generalized by a likelihood ratio test, the fusion center should learn some parameters, such as the probabilities of primary transmission, false alarm, and detection at the local sensors. During the training period in supervised learning, the on/off log of primary transmission serves as the output label of decision statistics from the local sensor. In this paper, we extend unsupervised learning techniques with an expectation maximization algorithm for cooperative spectrum sensing, which does not require an external primary transmission log. Local sensors report binary hard decisions to the fusion center and adjust their operating points to enhance learning performance. Increasing the number of sensors, the joint-expectation step makes a confident classification on the primary transmission as in the supervised learning. Thereby, the proposed scheme provides accurate parameter estimates and a fast convergence rate even in low signal-to-noise ratio regimes, where the primary signal is dominated by the noise at the local sensors.

• 한국정보과학회논문지:시스템및이론
• /
• 제31권10호
• /
• pp.575-587
• /
• 2004

본 논문은 여러 분야에서 활용될 수 있는 향상된 고속 Expectation-Maximization(FEM) 알고리즘을 제안한다. 첫째, EM의 초기값 설정의 방법으로 많이 사용되고 있는 클러스터링 기법인 K-means의 문제점을 해결하여 개선된 EM의 초기값 선정에 적용하였다. 이것은 기존 K-means 알고리즘에서 임의로 지정하던 랜덤한 초기값 선정을, 데이타 분포 특성을 이용한 균등 분할법을 사용하여 EM의 초기값 문제를 해결하였다. 둘째, EM 과정의 핵심을 이루는 후행 확률(Posterior)의 의미를 부각하여 최대 가능성 후행 확률(Maximum Likelihood Posterior: MLP)과정을 적용하였다. 최종적으로, 본 논문에서 제안한 고속 EM알고리즘(FEM)은 근본적으로 해결하기 못했던 기존의 EM 초기치 선정과 수렴에 대한 문제점을 개선함으로써, EM 알고리즘의 특성을 극대화하는 방향으로 상대적으로 마른 수렴과 향상된 결과를 가져온다. 제안된 알고리즘의 객관적 타당성을 위해 기존의 방법과 제안된 방법에 의한 시뮬레이션의 결과를 여러 데이타들을 가지고 비교 분석하여 제안한 알고리즘의 우수성을 입증하였다.

• 한국음향학회지
• /
• 제30권6호
• /
• pp.308-314
• /
• 2011

본 논문에서는 주기성을 갖는 순환 확률분포를 이용하여 $0^{\circ}{\sim}360^{\circ}$ 범위의 다중 음원의 방향을 추정하는 기법을 제안한다. 음원의 방향 정보를 담고 있는 마이크로폰간의 위상차는 확률분포의 혼합물로 간주될 수 있으며, 음원 방향은 이 확률분포의 혼합물에 적용된 로그-우도함수 (log-likelihood function)를 최대화함으로써 추정된다. 주기성을 갖는 데이터의 분석에 von Mises 확률분포가 널리 활용된다는 사실은 잘 알려져 있지만, 본 논문에서는 기존의 Gaussian이나 Laplacian 확률분포에 $2{\pi}$ 모듈로 (modulo) 연산을 적용함으로써 $0^{\circ}{\sim}360^{\circ}$ 범위의 주기성을 갖는 순환 확률분포를 정의하고 이를 방향 추정에 활용한다. 순환 확률분포의 혼합물에 대한 로그-우도함수를 최대가 되게 하는 음원의 방향은 EM (Expectation-Maximization) 알고리즘을 이용하여 추정된다. 다양한 반향 환경에서의 실험 결과 Laplacian 확률분포가 von Mises나 Gaussian 확률분포보다 우수한 성능을 제공함을 확인할 수 있다.

• 한국지능시스템학회논문지
• /
• 제26권5호
• /
• pp.335-342
• /
• 2016

기 구축되어있는 베이지안 네트워크에서 다이나믹한 환경 변화가 발생 할 때, 관련된 베이지안 네트워크의 파라미터는 새롭게 형성된 데이터의 패턴에 적응하여 새로운 파라미터로 변경되어야 한다. 이때, 새로운 파라미터는 베이지안 네트워크의 인과관계를 고려하여 변경되어야 한다. 본 논문에서는 Expectation Maximization(EM)알고리즘과 Meta-Heuristics 기법 중 하나인 Harmony Search(HS)알고리즘을 이용한 다이나믹한 파라미터 업데이트 프레임웍을 제안한다. 일반적으로, EM 알고리즘은 숨겨진 파라미터를 추정하는데 유효한 알고리즘이지만 지역 최적값에 수렴한다는 단점을 가지고 있다. 이 문제를 해결하기 위해서 본 논문은 Maximum Likelihood Estimator(MLE)의 파라미터가 글로벌 최적값을 지향하도록 하기위하여 메타휴리스틱 방법론의 하나인 HS를 적용한다. 제안된 방법은 EM 알고리즘의 단점을 보완하고 글로벌 최적값에 수렴하는 MLE의 파라미터를 추정하여 다이나믹하게 변화하는 환경에서도 사용 가능한 베이지안 네트워크의 학습 및 전파프레임웍을 제시한다.

• 한국정보과학회논문지:정보통신
• /
• 제30권1호
• /
• pp.24-29
• /
• 2003

이 논문에서는, 독립성분해석기법과 EM기법을 이용한 새로운 혼합영상분리 방법을 제안한다. 독립성분해석기법은 통계적으로 독립된 랜덤변수들의 선형조합으로 측정대상 랜덤신호를 표기하는 여러 통계신호처리 기법 중의 하나로, 정보의 분리, 특징 추출 통의 응용분야에 적용되고 있다. 기술적으로는, 독립성분기법은 주성분 분리기법의 확장이라 볼 수 있고, 근래에 혼합정보의 분리에 관련하여 많이 연구되고 있다. 현재까지의 연구 결과로는 혼합영상의 분리에 있어 독립성분해석기법만으로는 혼합영상분리의 해를 얻지 못하고 있다. 이러한 독립성분해석기법의 약점을 보완하는 방범으로, 최근에 이노베이션 프로세서를 전처리로 하는 독립성분해석기법을 혼합한 시스템을 이용한 혼합영상 분리가 시도되었다. 이노베이션 프로세서를 전처리로 첨가한 혼합영상분리의 과정도 독립성분해석기법만을 사용한 경우보다는 향상된 혼합영상분리를 하지만, 분류된 영상들이 원래의 혼합 전의 영상과 많이 다른 결과를 내고 있다. 기존의 방법들인 독립성분해석기법이나 이노베이션이 전처리로 적용된 경우에도 혼합이전의 영상간의 상관관계가 클 경우, 혼합영상의 분류가 잔 이루어지지 않는다. 본 논문에서는 이 약점을 보완하기 위하여. EM이론을 기존의 시스템에 전처리로 첨가하여 혼합 영상의 분리를 향상시키고자 하였다. 실험 결과에서는 최근에 연구된 이노베이션의 방법보다 EM을 적용시킨 경우가 향상된 혼합영상의 분리의 결과를 보여 주고 있다.

• 대한의용생체공학회:의공학회지
• /
• 제21권5호
• /
• pp.441-448
• /
• 2000

방출단층영상 재구성을 위한 최대우도 기대값최대화(maximum likelihood expectation maximization, MLEM) 방법은 영상 획득과정을 통계학적으로 모델링하여 영상을 재구성한다. MLEM은 일반적으로 사용하여 여과후역투사(filtered backprojection)방법에 비해 많은 장점을 가지고 있으나 반복횟수 증가에 따른 발산과 재구성 시간이 오래 걸리는 단점을 가지고 있다. 이 논문에서는 이러한 단점을 보완하기 위해 계산시간을 현저히 단축시킨 배열된부분집합 기대값최대화(ordered subsets expectation maximization. OSEM)에 Gibbs 선행치인 membrance (MM) 또는 thin plate(TP)을 첨가한 OSEM-MAP (maximum a posteriori)을 구현함으로써 알고리즘의 안정성 및 재구성된 영상의 질을 향상시키고자 g나다. 실험에서 알고리즘의 수렴시간을 가속화하기 위해 투사 데이터를 16개의 부분집합으로 분할하여 반복연산을 수행하였으며, 알고리즘의 성능을 비교하기 위해 소프트웨어 모형(원숭이 뇌 자가방사선, 수학적심장흉부)을 사용한 영상재구성 결과를 제곱오차로 비교하였다. 또한 알고리즘의 사용 가능성을 평가하기 위해 물리모형을 사용하여 PET 기기로부터 획득한 실제 투사 데이터를 사용하였다.

• 한국통신학회논문지
• /
• 제28권12C호
• /
• pp.1200-1208
• /
• 2003

비디오 데이터에 존재하는 감정을 처리하는 것은 지능적인 인간과 컴퓨터와의 상호작용을 위해서 매우 중요한 일이다. 이러한 감정을 추출하기 위해서는 비디오로부터 감정에 관련된 특징들을 검출하기 위한 컴퓨팅 모델을 구축하는 것이 바람직하다. 본 논문에서는 비디오 셧에 존재하는 저급 특징들의 확률적인 분포를 이용하여 감정 이벤트 발생에 관련된 통계학적인 모델을 제안한다. 즉, 비디오 셧의 기본적인 특징을 추출하고 그 특징을 통계적으로 모델화 하여 감정을 유발하는 셧을 찾아낸다. 비디오 셧의 특징으로는 칼라, 카메라 모션 및 셧 길이의 변화를 이용한다. 이러한 특징들을 EM(Expectation Maximization) 알고리즘을 이용하여 GMM(Gaussian Mixture Model) 으로 모델링하고, 감정과 시간과의 관계를 MLE(Maximum Likelihood Estimation)를 이용하여 시간에 따른 확률분포 모델로 구성한다. 이런 두 개의 통계적인 모델들을 융합하여 베이시안 분류법을 적용하여 비디오 데이터로부터 감정에 관련된 셧을 찾아낸다.

• 전자공학회논문지
• /
• 제51권1호
• /
• pp.145-151
• /
• 2014

본 논문에서는 한 장의 영상에서 안개를 제거하는 알고리즘을 제안한다. 기존의 Dark Channel Prior(DCP) 알고리즘은 영상의 어두운 정보를 계산하여 전달량을 추정한 후, 매팅(matting) 기법을 사용하여 안개 영역을 보완하여 검출한다. 이 과정에서 블록현상이 발생하는 문제가 있으며 이로 인해 안개를 효율적으로 제거하는데 한계점이 있다. 이 문제를 해결하기 위해 본 논문에서는 Hidden Markov Random Field(HMRF) 와 Expectation-Maximization(EM) 알고리즘을 이용하여 매팅 과정에서 발생하는 블록문제를 해결하고자 하였다. 실험 결과를 통하여 제안한 방법은 기존 방법보다 안개제거에서 더 향상된 결과를 얻을 수 있음을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(B)
• /
• pp.222-225
• /
• 2011

이전에 수행된 연구에서 인간의 이동 패턴은 Levy flight 행동을 보인다고 알려져있다. 그러나 우리의 경험적 지식을 바탕으로 생각해 볼 때 인간의 이동 패턴을 Levy flight 행동만 가지고 나타내기에는 한계가 있어 보인다. 인간의 이동 패턴은 주위환경, 시간, 개인의 습관, 그리고 사회적 지위 등에 따라 서로 다른 모양을 보인다. 즉, 인간 이동의 형태를 파악하기 위해서는 좀 더 다양한 정보가 있어야만 인간 이동의 패턴을 사실적으로 모델링 할 수 있다. 인간의 이동 패턴을 사실적으로 모델링하기에 필요한 정보를 얻기 위해서 상향식 방법(Bottom up)으로 우선 실제 이동 패턴을 분석하여 모델링에 필요한 정보를 추출하고 다시 그 정보를 검증하는 과정으로 모델링에 필요한 정보가 구체적으로 나타나게 될 것이다. 이에 실제 인간의 이동 패턴을 분석하기 위해 아무런 매개변수 없이 개인의 GPS 데이터를 바탕으로 위치정보만을 가지고 군집화(Clustering)를 하게 되면 특정 위치에 대한 군집이 생성된다. 이러한 군집이 나타내는 것은 자주 머무는 지역, 이동 경로 등이 될 것이다. 본 논문에서는 인간의 이동 정보인 GPS 데이터를 가지고 EM 군집화를 통하여 생성된 군집을 통해 인간의 이동 패턴을 분석할 것이다.

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.623-629
• /
• 2004

In this paper, a Efficient method for the mixed image separation is presented using independent component analysis and the new fast expectation-maximization(EM) algorithm. In general, the independent component analysis (ICA) is one of the widely used statistical signal processing scheme in various applications. However, it has been known that ICA does not establish good performance in source separation by itself. So, Innovation process which is one of the methods that were employed in image separation using ICA, which produces improved the mixed image separation. Unfortunately, the innovation process needs long processing time compared with ICA or EM. Thus, in order to overcome this limitation, we proposed new method which combined ICA with the New fast EM algorithm instead of using the innovation process. Proposed method improves the performance and reduces the total processing time for the Image separation. We compared our proposed method with ICA combined with innovation process. The experimental results show the effectiveness of the proposed method by applying it to image separation problems.