• 한국음향학회지
• /
• 제22권6호
• /
• pp.452-456
• /
• 2003

본 논문은 화자 적응시 화자 독립 모델의 차수를 줄이고 MLLR (Maximum Likelihood Linear Regression) 알고리즘에서 요구되는 역행렬 횟수를 줄이는 방법을 제안한다. 주성분분석 (PCA: principal components analysis)과 독립성분분석 (ICA: independent components analysis)을 통해 모델 혼합성분 (mixture component)들간의 상관관계를 줄임으로서 모델의 차수를 감소하였다. 주성분분석 및 독립성분분석에 요구되는 추가 연산량은 화자 독립 모델을 훈련할 때 추가함으로써 화자 적응시에 추가되는 연산량은 극히 미소하다. 36차의 HMM 파라메타 차수를 PCA는 12차, ICA는 10차로 감소하였을 때 기존의 MLLR 적응방법과 유사한 단어 인식률을 나타내었다. 즉, 모델 파라미터의 차수를 n이라고 할 때 기존의 MLLR알고리즘에서 역행열 연산에서 요구되는 연산량은 O(n⁴)에 비례하므로 PCA는 1/81, ICA는 1/167만큼 연산량을 감소하였다.

• 분석과학
• /
• 제24권6호
• /
• pp.519-526
• /
• 2011

본 연구에서는 위장관에 작용하는 트리메부틴말레인산염을 주성분으로 하는 서방정의 제조 과정 중 혼합과정의 혼합 진행 정도의 확인에 근적외분광분석법과 라만분광분석법을 적용하였다. 서방정의 제조의 혼합 과정에서 소량의 부형제로 콜로이달실리콘디옥사이드, 탈크, 스테아르산, 스페타르산마그네슘을 넣어 혼합하는 과정에서, 각 혼합 시간 별, 혼합기 내에서 구역 별 혼합물 시료를 채취한 후 주성분(active ingredient)인 트리메부틴말레인산염의 양을 HPLC로 분석하였고, 동시에 채취한 시료의 근적외스펙트럼과 라만스펙트럼을 측정하여 PCA (Principal Component Analysis)를 수행하였다. 혼합기로는 U자형 혼합기를 사용하였고, 상, 중, 하와 좌, 우 각각 6개의 영역에서 시료를 채취하여 주성분과 부형제의 분포에 따른 혼합물의 균일도를 확인하고자 하였다. HPLC법으로는 소량의 부형제의 혼합을 주성분을 분석하는 것으로 시간에 따른 혼합도를 확인할 수 없는 반면, 근적외스펙트럼과 라만 스펙트럼에서는 주성분과 각각의 부형제의 특징적인 피크들을 확인할 수 있었고, 이러한 특징적인 흡광도를 가진 영역을 이용하여 전체 혼합물에서의 부형제 영향에 의한 변화를 PCA를 수행하여 혼합의 진행 정도를 성공적으로 확인하였다. 산란의 영향에 의한 바탕선의 변이를 제거하기 위해 전처리 방법으로는 미분을 사용하였고, 근적외스펙트럼에서는 5000-7500 $cm^{-1}$를 사용하였고, 라만스펙트럼에서는 1000-1500 $cm^{-1}$를 이용하여, PCA를 수행하였을 때 효과적으로 혼합의 진행정도를 확인할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.79-86
• /
• 2005

본 논문에서는 실시간 얼굴인식 시스템을 위한 새로운 LINF(Linear Independent Non-negative Factorization) 알고리즘을 제안한다. 시스템은 크게 얼굴추출 부분과 얼굴인식 부분으로 구성 되어 있으며, 얼굴추출 부분에는 차영상, 눈과 입의 영역 검출 그리고 정규화 방법을 사용하였고, 얼굴인식 부분에는 추출된 얼굴 후보 영역 영상에 LINF 를 적용하였다. 기존의 PCA(Principal Component Analysis)만을 사용한 인식시스템은 낮은 인식률을 보였으며, LDA(Linear Discriminants Analysis)만을 사용한 인식시스템에서는 학습데이터의 수에 비하여 영상의 화소 개수가 많은 경우 LDA를 그대로 적용하기 곤란하였다. 이러한 단점을 극복하기 위하여, 본 논문에서 제안하는 시스템은 기존의 고유얼굴과 달리 비음수 값을 갖는 행렬로 차원을 축소하여 LDA를 적용하였다. 제안한 시스템의 성능을 평가하기 위하여 자체 제작한 DAUface 데이터베이스와 영국 Cambridge 에 있는 AT&T 연구소에서 제공하는 ORL 데이터베이스를 가지고 실험을 하였다. 실험 결과, 제안된 방법이 PCA 방법과 LDA 방법, ICA(Independent Component Analysis) 방법, 그리고 PLMA(PCA-based LDA mixture algorithm)에 비해 인식률이 상당히 우수함을 알 수 있었다.

• ETRI Journal
• /
• 제40권6호
• /
• pp.802-812
• /
• 2018

Disease discrimination using an electronic nose is achieved by measuring the presence of a specific gas contained in the exhaled breath of patients. Many studies have reported the presence of acetone in the breath of diabetic patients. These studies suggest that acetone can be used as a biomarker of diabetes, enabling diagnoses to be made by measuring acetone levels in exhaled breath. In this study, we perform a chemical sensor array optimization to improve the performance of an electronic nose system using Wilks' lambda, sensor selection based on a principal component (B4), and a stepwise elimination (SE) technique to detect the presence of acetone gas in human breath. By applying five different temperatures to four sensors fabricated from different synthetic materials, a total of 20 sensing combinations are created, and three sensing combinations are selected for the sensor array using optimization techniques. The measurements and analyses of the exhaled breath using the electronic nose system together with the optimized sensor array show that diabetic patients and control groups can be easily differentiated. The results are confirmed using principal component analysis (PCA).

• Korean Chemical Engineering Research
• /
• 제46권2호
• /
• pp.383-388
• /
• 2008

화학공정의 안전하고 효율적인 운전에 관심이 커지면서 공정이상의 원인을 조기에 진단하기 위한 다양한 이상진단방법이 연구되어 왔다. 최근에는 통계적 모델 등 정량적 데이터에 기반한 이상진단방법이 많이 연구되고 있으나, 특정 조업영역에서 얻어진 통계적 모델을 다른 조업영역에 적용하면 오진단이 많아지게 된다. 따라서 공정특성상 다양한 조업영역이 존재하는 화학공정에 데이터기반 방법론을 적용하기에는 어려움이 있어 화학공정의 조업영역 판별법이 요구되고 있다. 이 연구에서는 유클리드 거리(Euclidean distance), FDA(Fisher's discriminant analysis), PCA(principal component analysis)의 통계모델과 이 모델들에 공정변수의 동특성을 반영한 모델을 제안하였다. 6개의 조업모드를 가진 TE(tennessee eastman) 공정에 대한 사례연구를 통해 동특성을 반영한 PCA 모델의 성능이 가장 우수함을 확인하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제40권8호
• /
• pp.726-732
• /
• 2016

Clustering analysis is widely used in data mining to classify data into categories on the basis of their similarity. Through the decades, many clustering techniques have been developed, including hierarchical and non-hierarchical algorithms. In gene profiling problems, because of the large number of genes and the complexity of biological networks, dimensionality reduction techniques are critical exploratory tools for clustering analysis of gene expression data. Recently, clustering analysis of applying dimensionality reduction techniques was also proposed. PCA (principal component analysis) is a popular methd of dimensionality reduction techniques for clustering problems. However, previous studies analyzed the performance of PCA for only full data sets. In this paper, to specifically and robustly evaluate the performance of PCA for clustering analysis, we exploit an improved FCBF (fast correlation-based filter) of feature selection methods for supervised clustering data sets, and employ two well-known clustering algorithms: k-means and k-medoids. Computational results from supervised data sets show that the performance of PCA is very poor for large-scale features.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제22권3호
• /
• pp.10-17
• /
• 2017

In this study, the evolution and origin of major dissolved constituents of crystalline bedrock groundwater in a coastal area were evaluated using multivariate statistical and groundwater quality analyses. The groundwater types mostly belonged to the $Na(Ca)-HCO_3$ and $Ca-HCO_3$ types, indicating the effect of cation exchange. Stable isotopes of water showed two areas divided by first and secondary evaporative effects, indicating a pattern of rapid hydrological cycling. Saturation indices of minerals showed undersaturation states. Thus, the degree of evolution of groundwater is suggested as in the low to intermediate stage, based on field and laboratory analytical conditions. According to the principal component analysis (PCA) results, the chemical components of EC, $Ca^{2+}$, $Mg^{2+}$, $K^+$, $HCO_3{^-}$, $SO{_4}^{2-}$ (PCA 1), $F^-$ (PCA 3), $SiO_2$ (PCA 4), and $Fe^{2+}$ (PCA 5) are derived from various water-rock interactions. However, $NO_3{^-}$, $Na^+$, and $Cl^-$ (PCA 2) represented the chemical characteristics of both anthropogenic sources and natural sea spray.

• 한국식생활문화학회지
• /
• 제31권1호
• /
• pp.105-110
• /
• 2016

The objective of this study was to determine sensory profiles of rice confections. The samples used in this study obtained from Korea (traditional Korea rice snack and local specialty rice snack) and three countries (USA, Japan, and China) were evaluated and compared. The sensory characteristics of five kinds of rice confections were evaluated using a sensory test and were analyzed via quantitative description analysis (QDA), principal component analysis (PCA), and hierarchical cluster analysis (HCA). In the descriptive analysis, 10 trained panelists evaluated sensory characteristics consisting of 19 attributes, and there were significant differences (p<0.05) among the 16 characteristics. For the descriptive data, multivariate analysis of variance was carried out and identified differences among the samples. The PCA of rice confections for the first two principal components could explain 85.66% of the variations. The Korean, Japanese, and Chinese rice confections were savory, gritty, and particle-sized, the other Korean local specialty rice confections were fruity, sweet, honey-flavored, compact, and crispy, and those from the USA were glossy, grainy, bright, adhesive, cohesive, crispy, and sweet.

• 한국인터넷방송통신학회논문지
• /
• 제12권4호
• /
• pp.95-102
• /
• 2012

대화식 드라마는 사용자의 자유로운 선택과 참여가 요구되는 상호작용성을 가진 이야기를 말한다. 본 논문에서는 이러한 대화식 드라마의 특성을 이용하여 훈련 데이터를 만들어 사용자의 선호도를 파악한다. 그 후 파악된 선호도 특성에 맞게 새로운 사용자들에게 스토리의 경로를 추천하는 시스템 구현 과정을 기술한다. 선호도 특성을 추출하기 위하여 Principal Component Analysis(이하 PCA)와 Non-negative Matrix Factorization(이하 NMF)를 사용하였다. PCA를 이용하여 추천한 결과 성공률은 75%, NMF을 이용하여 추천한 결과 성공률은 62.5%를 나타냈다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권7호
• /
• pp.3594-3607
• /
• 2017

The traditional feature extraction methods such as principal component analysis (PCA) cannot obtain the local structure of the samples, and locally linear embedding (LLE) cannot obtain the global structure of the samples. However, a common drawback of existing PCA and LLE algorithm is that they cannot deal well with the sparse problem of the samples. Therefore, by integrating the globality of PCA and the locality of LLE with a sparse constraint, we developed an improved and unsupervised difference algorithm called Sparse Difference Embedding (SDE), for dimensionality reduction of high-dimensional data in small sample size problems. Significantly differing from the existing PCA and LLE algorithms, SDE seeks to find a set of perfect projections that can not only impact the locality of intraclass and maximize the globality of interclass, but can also simultaneously use the Lasso regression to obtain a sparse transformation matrix. This characteristic makes SDE more intuitive and more powerful than PCA and LLE. At last, the proposed algorithm was estimated through experiments using the Yale and AR face image databases and the USPS handwriting digital databases. The experimental results show that SDE outperforms PCA LLE and UDP attributed to its sparse discriminating characteristics, which also indicates that the SDE is an effective method for face recognition.