• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.505-507
• /
• 2001

본 논문에서는 그람-슈미트 방법 및 독립 성분 해석(Independent Component Analysis, ICA)기법을 이용한 영상분리방법을 제안한다. 이 제안된 방법은 전처리 없이 ICA나 주성분 해석(Principal Component Analysis, PCA)을 이용한 것에 비해 개선된 영상을 보여준다. 이는 원래의 ICA 모델에 대하여 동일한 조건으로 일반화하여 그람-슈미트의 독립된 성분들이 ICA 모델에 충분히 동일하다는 것을 보여준다.

• 분석과학
• /
• 제14권4호
• /
• pp.311-316
• /
• 2001

본 연구는 한약재 중 우리 나라의 여러 지역에서 재배되고 있는 황기를 선택하여 유도결합 플라스마 분광분석법(inductively coupled plasma-atomic emission spectroscopy ; ICP-AES)을 이용한 미량성분을 분석하여 principal component analysis(PCA)와 pattern recognition의 원리를 이용한 chemometrics Analysis로 한약재에 함유된 미량 금속 성분 함량에 의한 원산지 판별의 가능성을 조사하였다. 황기와 토양시료는 각각 $HNO_3$와 $H_2O_2$ 그리고 $HNO_3$와 HCl를 첨가하여 microwave oven을 사용하여 전처리 하였다. ICP-AES를 사용하여 황기와 황기를 재배한 토양 속에 들어 있는 미량 금속 성분으로는 Mg, Al, K, Ca, Ti, Mn, Fe, Cu, Zn, and Ba 등이 있으며 그 중 Al과 Fe 그리고 Zn과 Ti의 함량으로는 PCA와 pattern recognition을 이용하여 각 재백지의 황기와 토양간의 연계성을 살펴보았다. 그 결과 국내산 황기와 중국산 황기를 PCA 방법으로 원산지 판별이 가능하였으며 구례, 예천, 제천, 그리고 정선의 국내산 황기의 원산지 판별이 가능하였다.

• 원예과학기술지
• /
• 제17권1호
• /
• pp.23-28
• /
• 1999

Prunus cerasifera, P. domestica 및 P. salicina에서 기원된 자두 53 종 또는 품종으로 부터 27 형태형질의 특성을 조사하여 품종 동정에 필요한 기초자료를 제공하고, 그들간의 분류적 관계를 알아보기 위하여 주성분분석 및 집괴분석을 실시하였다. 조사된 형태형질 중 잎의 크기, 잎의 형태 및 엽내 털 발생정도 등이 자 두아속 식물의 동정 및 분류적 관계 해석에 있어서 상당히 유용하게 이용될 수 있을 것으로 단되었으며, 잎의 길이, 엽병 길이, 밀선수, 형, 엽저, 만개기 등은 P. domestica계 자두와 P. salicina계 자두간에 명확한 차이를 나타내었다. 또한 주성분분석 득점치를 이용한 비가 평균결합법에 의한 집괴분석 결과 53개 분류 군들은 평균거리 1.0을 기준으로 할 때 P. alicina-P. cerasifera 표현군, P. domestica 표현군 및 P. pinosa 표현군 등 3개의 표현군으로 분류될 수 있어, 분류군들의 대략적인 분류적 관계 분석이 가능하였다. 그러나 정확한 종군 분류를 위해서는 보다 많은 형태형질의 용이 필요할 것으로 판단되었다.

• 한국멀티미디어학회논문지
• /
• 제23권10호
• /
• pp.1339-1347
• /
• 2020

This study is a preliminary study to design a character automation system that considers the facial characteristics of mammals. The experimental data of this study was conducted on dogs (dog breeds) and humans, which were designed to be used in many contents. First, data was extracted from 100 types of dogs and 100 human data. Second, the criteria for measuring the ratio of important parts of the dog and human face were suggested. In addition, a comparative analysis of the face of a dog and a human face is conducted. Lastly, by analyzing the main component(PCA), the most characteristic elements in the faces of dogs and humans were analyzed. As a result, it was confirmed that the length of the face, the size of the eyes, the length of the glabellar, and the length of the glabellar and other parts are important. Through this study, the features of the dog's face that are different from humans are expected to contribute to the animal character automation.

• 한국콘텐츠학회논문지
• /
• 제11권4호
• /
• pp.27-32
• /
• 2011

본 논문은 수면 2기의 EEG 신호와 주성분 분석(principle component analysis)을 이용하여 수면 장애를 분류하는 방안을 제안하고 있다. 초기 특징을 추출하기 위해서 첫 번째 단계에서는 수면 2기의 EEG 신호가 고속 푸리에 변환(fast Fourier transforms)에 의해서 잡음을 제거하는 과정이 수행되었다. 잡음이 제거된 EEG 신호를 두 번째 단계에서는 주성분 분석을 이용하여 5개의 차원으로 축소하였다. 마지막 단계에서는 축소된 5개의 차원을 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)의 입력으로 사용하여 분류성능을 측정하였다. 분류성능에 있어서 정확도(accuracy), 특이도(specificity), 민감도(sensitivity)가 모두 100%로 나타났다.

• 유통과학연구
• /
• 제13권9호
• /
• pp.103-112
• /
• 2015

Purpose - This paper aims to provide a step-by-step approach to factor analytic procedures, such as principal component analysis (PCA) and exploratory factor analysis (EFA), and to offer a guideline for factor analysis. Authors have argued that the results of PCA and EFA are substantially similar. Additionally, they assert that PCA is a more appropriate technique for factor analysis because PCA produces easily interpreted results that are likely to be the basis of better decisions. For these reasons, many researchers have used PCA as a technique instead of EFA. However, these techniques are clearly different. PCA should be used for data reduction. On the other hand, EFA has been tailored to identify any underlying factor structure, a set of measured variables that cause the manifest variables to covary. Thus, it is needed for a guideline and for procedures to use in factor analysis. To date, however, these two techniques have been indiscriminately misused. Research design, data, and methodology - This research conducted a literature review. For this, we summarized the meaningful and consistent arguments and drew up guidelines and suggested procedures for rigorous EFA. Results - PCA can be used instead of common factor analysis when all measured variables have high communality. However, common factor analysis is recommended for EFA. First, researchers should evaluate the sample size and check for sampling adequacy before conducting factor analysis. If these conditions are not satisfied, then the next steps cannot be followed. Sample size must be at least 100 with communality above 0.5 and a minimum subject to item ratio of at least 5:1, with a minimum of five items in EFA. Next, Bartlett's sphericity test and the Kaiser-Mayer-Olkin (KMO) measure should be assessed for sampling adequacy. The chi-square value for Bartlett's test should be significant. In addition, a KMO of more than 0.8 is recommended. The next step is to conduct a factor analysis. The analysis is composed of three stages. The first stage determines a rotation technique. Generally, ML or PAF will suggest to researchers the best results. Selection of one of the two techniques heavily hinges on data normality. ML requires normally distributed data; on the other hand, PAF does not. The second step is associated with determining the number of factors to retain in the EFA. The best way to determine the number of factors to retain is to apply three methods including eigenvalues greater than 1.0, the scree plot test, and the variance extracted. The last step is to select one of two rotation methods: orthogonal or oblique. If the research suggests some variables that are correlated to each other, then the oblique method should be selected for factor rotation because the method assumes all factors are correlated in the research. If not, the orthogonal method is possible for factor rotation. Conclusions - Recommendations are offered for the best factor analytic practice for empirical research.

• 대한전자공학회논문지SP
• /
• 제40권6호
• /
• pp.149-156
• /
• 2003

본 논문에서는 변형 Otsu 이진화 방법, Hu 모멘트 및 선형 판별 분석(linear discriminant analysis, LDA)를 기반으로 밝기, 명암도, 크기, 회전 위치 변화에 강인한 얼굴 인식 방법을 제안하고자 한다. 제안한 변형 Otsu 이진화를 사용하여 밝기 및 명암도에 불변한 이진 영상들을 만든다. 그런 후 생성된 얼굴 영상의 경계 영상 및 다단계 이진영상으로부터 총 17개의 Hu 모멘트를 계산한 다음 LDA 방법을 적용하여 최종 특징 벡터를 추출한다. 특히 제안하는 얼굴 인식 방법은 Hu 모멘트를 이용함으로써 크기, 회전 및 위치 변화에도 강인한 특성을 갖고 있다. Olivetti research laboratory (ORL) 데이터베이스와 AR 데이터베이스의 총 100명의 얼굴 영상에 대해 기존의 주요 성문 분석(Principal component analysis, PCA) 방법 및 PCA와 LDA를 결합한 얼굴 인식 방법과 비교 실험한 결과, 제안한 얼굴 인식 방법은 대체적으로 기존 방법보다 뛰어난 인식 성능을 보였다.

• 전기학회논문지
• /
• 제61권5호
• /
• pp.744-752
• /
• 2012

In this study, the Polynomial-based Radial Basis Function Neural Networks is proposed as an one of the recognition part of overall face recognition system that consists of two parts such as the preprocessing part and recognition part. The design methodology and procedure of the proposed pRBFNNs are presented to obtain the solution to high-dimensional pattern recognition problems. In data preprocessing part, Principal Component Analysis(PCA) which is generally used in face recognition, which is useful to express some classes using reduction, since it is effective to maintain the rate of recognition and to reduce the amount of data at the same time. However, because of there of the whole face image, it can not guarantee the detection rate about the change of viewpoint and whole image. Thus, to compensate for the defects, Linear Discriminant Analysis(LDA) is used to enhance the separation of different classes. In this paper, we combine the PCA&LDA algorithm and design the optimized pRBFNNs for recognition module. The proposed pRBFNNs architecture consists of three functional modules such as the condition part, the conclusion part, and the inference part as fuzzy rules formed in 'If-then' format. In the condition part of fuzzy rules, input space is partitioned with Fuzzy C-Means clustering. In the conclusion part of rules, the connection weight of pRBFNNs is represented as two kinds of polynomials such as constant, and linear. The coefficients of connection weight identified with back-propagation using gradient descent method. The output of the pRBFNNs model is obtained by fuzzy inference method in the inference part of fuzzy rules. The essential design parameters (including learning rate, momentum coefficient and fuzzification coefficient) of the networks are optimized by means of Differential Evolution. The proposed pRBFNNs are applied to face image(ex Yale, AT&T) datasets and then demonstrated from the viewpoint of the output performance and recognition rate.

• 한국컴퓨터정보학회논문지
• /
• 제16권2호
• /
• pp.25-31
• /
• 2011

주성분 분석(PCA)은 차원 축소와 특징 추출을 위해 널리 사용되는 기법 중의 하나이지만 자승 오류의 사용으로 인해 잡음에 민감한 단점이 있다. 이러한 잡음 민감성을 개선하기 위해 다양한 방법이 소개되었고 그 중 improved robust fuzzy PCA(RF-PCA2)는 퍼지 소속도를 이용한 반복적 최적화 기법으로 다른 방법에 비해 우수한 성능을 보였다. 하지만 RF-PCA2 역시 국부적인 최적해에 빠질 수 있으며 그 원인 중 하나는 RF-PCA2 알고리듬이 소속도를 균일한 값으로 초기화시키기 때문이다. 또한 퍼지 소속도를 사용하고 있지만 여전히 목적함수가 자승 오류 최소화에 기초하고 있다는 사실도 그 원인이 된다. 이 논문에서는 RF-PCA2의 이러한 문제점을 개선한 RF-PCA3를 제안한다. 제안하는 알고리듬은 RF-PCA2의 목적 함수를 바탕으로 하고 있다. 여기에 PCA의 목적 함수를 추가하고 초기 소속도 값을 데이터의 분포로부터 계산함으로써 전역 최적해에 가까운 해를 얻을 수 있는 가능성을 높여준다. 이러한 사실들은 실험 결과를 통해 확인할 수 있다.

• 정보처리학회논문지B
• /
• 제13B권1호
• /
• pp.7-14
• /
• 2006

본 논문에서는 영상의 1차 모멘트와 기저영상을 이용한 효율적인 얼굴인식 방법을 제안하였다. 여기서 1차 모멘트는 입력되는 얼굴영상의 중심 좌표를 계산하여 중심 이동하는 전처리로 인식에 불필요한 배경을 배제시킴으로써 인식성능을 개선하기 위함이다. 또한 기저영상은 얼굴의 특징으로 주요성분분석과 고정점 알고리즘의 독립성분분석을 각각 이용하여 추출하였다. 이는 2차와 고차의 통계성을 각각 고려한 중복신호의 제거로 인식성능을 개선하기 위함이다. 제안된 2가지 방법을 각각 64*64 픽셀의 48개(12명*4장) 얼굴영상에 적용하여 city-block, Euclidean, 그리고 negative angle의 3가지 거리 척도를 분류척도로 이용하여 실험하였다. 실험결과, 중심이동의 제안된 방법은 전처리과정을 거치지 않는 기존방법보다 우수한 인식성능이 있음을 확인하였다. 또한 제안된 중심이동의 독립성분분석이 중심이동의 주요성분분석보다 더욱 우수한 인식성능이 있음도 확인하였다. 특히 city-block이 Euclidean이나 negative angle의 거리척도보다 상대적으로 정확하게 유사성을 측정함을 알 수 있었다.