• 제목/요약/키워드: mixture Gaussian model

검색결과 419건 처리시간 0.025초

Skewness of Gaussian Mixture Absolute Value GARCH(1, 1) Model

  • Lee, Taewook
    • Communications for Statistical Applications and Methods
    • /
    • 제20권5호
    • /
    • pp.395-404
    • /
    • 2013
  • This paper studies the skewness of the absolute value GARCH(1, 1) models with Gaussian mixture innovations (Gaussian mixture AVGARCH(1, 1) models). The maximum estimated-likelihood estimator (MELE) employed (a two- step estimation method in order to estimate the skewness of Gaussian mixture AVGARCH(1, 1) models. Through the real data analysis, the adequacy of adopting Gaussian mixture innovations is exhibited in reflecting the skewness of two major Korean stock indices.

Gaussian 혼합모델 기반 조명 변화에 강건한 연기검출 알고리즘 (Gaussian Mixture Model Based Smoke Detection Algorithm Robust to Lights Variations)

  • 박장식;송종관;윤병우
    • 한국전자통신학회논문지
    • /
    • 제7권4호
    • /
    • pp.733-739
    • /
    • 2012
  • 본 논문에서는 시간과 기후에 따라 변화하는 영상의 밝기와 색상 변화에도 강건한 연기검출 알고리즘을 제안한다. 제안하는 연기검출 알고리즘은 입력영상과 배경영상의 차영상을 이용하여 후보영역을 설정하고, 후보영역 차영상의 Gaussian 혼합모델 특징 계수를 비교하여 연기를 판별한다. 시간과 기후에 대응하기 위하여 입력영상의 평균 밝기와 색상을 기준으로 후보영역 설정을 위한 임계값을 4 단계로 구분한다. 후보영역에 대한 차영상의 Gaussian 혼합모델의 밝기 평균값을 기준으로 클러스터를 정렬하고, 클러스터 간의 Gaussian 혼합모델 특징 계수를 비교하여 연기를 판별한다. 제안하는 알고리즘을 미디어전용 DSP로 구현하고 야외에 설치된 카메라의 영상에 대하여 연기검출 실험을 통하여 효율적으로 연기를 검출할 수 있음 보인다.

Online nonparametric Bayesian analysis of parsimonious Gaussian mixture models and scenes clustering

  • Zhou, Ri-Gui;Wang, Wei
    • ETRI Journal
    • /
    • 제43권1호
    • /
    • pp.74-81
    • /
    • 2021
  • The mixture model is a very powerful and flexible tool in clustering analysis. Based on the Dirichlet process and parsimonious Gaussian distribution, we propose a new nonparametric mixture framework for solving challenging clustering problems. Meanwhile, the inference of the model depends on the efficient online variational Bayesian approach, which enhances the information exchange between the whole and the part to a certain extent and applies to scalable datasets. The experiments on the scene database indicate that the novel clustering framework, when combined with a convolutional neural network for feature extraction, has meaningful advantages over other models.

Extraction of Infrared Target based on Gaussian Mixture Model

  • Shin, Do Kyung;Moon, Young Shik
    • IEIE Transactions on Smart Processing and Computing
    • /
    • 제2권6호
    • /
    • pp.332-338
    • /
    • 2013
  • We propose a method for target detection in Infrared images. In order to effectively detect a target region from an image with noises and clutters, spatial information of the target is first considered by analyzing pixel distributions of projections in horizontal and vertical directions. These distributions are represented as Gaussian distributions, and Gaussian Mixture Model is created from these distributions in order to find thresholding points of the target region. Through analyzing the calculated Gaussian Mixture Model, the target region is detected by eliminating various backgrounds such as noises and clutters. This is performed by using a novel thresholding method which can effectively detect the target region. As experimental results, the proposed method has achieved better performance than existing methods.

  • PDF

Active Shape 모델과 Gaussian Mixture 모델을 이용한 입술 인식 ((Lip Recognition Using Active Shape Model and Gaussian Mixture Model))

  • 장경식;이임건
    • 한국정보과학회논문지:소프트웨어및응용
    • /
    • 제30권5_6호
    • /
    • pp.454-460
    • /
    • 2003
  • 이 논문은 입술의 형태를 효과적으로 인식하는 방법을 제안하였다. 입술은 PDM(Point Distribution Model)을 기반으로 점들의 집합으로 표현하였다. 주성분 분석법을 적용하여 입술 모델을 구하고 모델에서 사용하는 형태계수의 분포를 GMM(Gaussian Mixture Model)을 이용하여 구하였다. 이 과정에서 계수를 정하기 위하여 EM(Expectation Maximization) 알고리듬을 사용하였다. 입술 경계선 모델은 입술을 구성하는 각 점과 주변 영역에서의 화소간 변화를 이용하여 구성하였으며 입술 탐색시 사용되었다. 여러 영상을 대상으로 실험한 결과 좋은 결과를 얻었다.

Gaussian Mixture Model을 이용한 넓은 관측각에서의 효율적인 레이더 표적인식 (Radar target recognition using Gaussian mixture model over wide-angular region)

  • 서동규;김경태;김효태
    • 대한전자공학회:학술대회논문집
    • /
    • 대한전자공학회 2002년도 하계종합학술대회 논문집(1)
    • /
    • pp.195-198
    • /
    • 2002
  • One-dimensional radar signature, such as range profile, is highly dependent on the aspect angle. Therefore, radar target recognition over wide angular region is a very difficult task. In this paper, we propose the Bayes classifier with Gaussian mixture model for radar target recognition over wide-angular region and compare performances of proposed technique and radar target recognition with subclasses concept in the literature of probability of correct classification ratio.

  • PDF

A Gaussian Mixture Model for Binarization of Natural Scene Text

  • Tran, Anh Khoa;Lee, Gueesang
    • 스마트미디어저널
    • /
    • 제2권2호
    • /
    • pp.14-19
    • /
    • 2013
  • Recently, due to the increase of the use of scanned images, the text segmentation techniques, which play critical role to optimize the quality of the scanned images, are required to be updated and advanced. In this study, an algorithm has been developed based on the modification of Gaussian mixture model (GMM) by integrating the calculation of Gaussian detection gradient and the estimation of the number clusters. The experimental results show an efficient method for text segmentation in natural scenes such as storefronts, street signs, scanned journals and newspapers at different size, shape or color of texts in condition of lighting changes and complex background. These indicate that our model algorithm and research approach can address various issues, which are still limitations of other senior algorithms and methods.

  • PDF

정규 혼합분포를 이용한 준지도 학습 (Semi-Supervised Learning by Gaussian Mixtures)

  • 최병정;채윤석;최우영;박창이;구자용
    • 응용통계연구
    • /
    • 제21권5호
    • /
    • pp.825-833
    • /
    • 2008
  • 혼합모형을 이용한 판별분석은 다중 분류문제를 해결하는데 유용한 방법으로서 준지도 학습으로 확장될 수 있다. 본 논문에서는 정규 혼합분포를 이용한 준지도 학습 방법에서 혼합 모형의 하위 구성요소 개수 선택 기준을 연구하고자 한다. 하위 구성요소 선택 기준으로서 베이지안 정보량을 사용하였고 모의실험을 통해 이 방법의 유용성을 규명하였다.

형태계수의 Mixture Model을 이용한 입술 형태 표현과 입술 경계선 추출 (Lip Shape Representation and Lip Boundary Detection Using Mixture Model of Shape)

  • 장경식;이임건
    • 한국멀티미디어학회논문지
    • /
    • 제7권11호
    • /
    • pp.1531-1539
    • /
    • 2004
  • 본 논문은 입술의 경계선을 효과적으로 추출하는 방법을 제안하였다. 입술 형태는 PDM(Point Distribution Model)과 주성분 분석법을 이용하여 표현하고 입술 경계선은 GLDM(Gray Level Distribution Model)을 기반으로 표현하였다 입술 경계선 추출은 모델에 대한 입력영상의 정확도에 대한 목적함수를 최적화하는 문제로 단순화하였으며, 최적화를 위해 다운힐 심플렉스(Down Hill Simplex) 알고리즘을 이용하였다. 탐색과정에서 지역 최소점으로 수렴하는 문제를 해결하기 위하여 입술 형태 모델의 형태계수를 GMM(Gaussian Mixture Model)을 이용하여 표현하였다. 형태계수에 대한 GMM을 이용하여 입술의 대략적인 형태를 찾고, 이때 사용된 mixture 성분을 이용하여 탐색과정에서 입술의 형태를 조정함으로써 지역 최소점에 수렴하여 입술의 정확한 위치를 찾지 못하는 문제점을 해결하였다. 여러 영상을 대상으로 실험하여 좋은 결과를 얻었다.

  • PDF

Optimization of Gaussian Mixture in CDHMM Training for Improved Speech Recognition

  • Lee, Seo-Gu;Kim, Sung-Gil;Kang, Sun-Mee;Ko, Han-Seok
    • 음성과학
    • /
    • 제5권1호
    • /
    • pp.7-21
    • /
    • 1999
  • This paper proposes an improved training procedure in speech recognition based on the continuous density of the Hidden Markov Model (CDHMM). Of the three parameters (initial state distribution probability, state transition probability, output probability density function (p.d.f.) of state) governing the CDHMM model, we focus on the third parameter and propose an efficient algorithm that determines the p.d.f. of each state. It is known that the resulting CDHMM model converges to a local maximum point of parameter estimation via the iterative Expectation Maximization procedure. Specifically, we propose two independent algorithms that can be embedded in the segmental K -means training procedure by replacing relevant key steps; the adaptation of the number of mixture Gaussian p.d.f. and the initialization using the CDHMM parameters previously estimated. The proposed adaptation algorithm searches for the optimal number of mixture Gaussian humps to ensure that the p.d.f. is consistently re-estimated, enabling the model to converge toward the global maximum point. By applying an appropriate threshold value, which measures the amount of collective changes of weighted variances, the optimized number of mixture Gaussian branch is determined. The initialization algorithm essentially exploits the CDHMM parameters previously estimated and uses them as the basis for the current initial segmentation subroutine. It captures the trend of previous training history whereas the uniform segmentation decimates it. The recognition performance of the proposed adaptation procedures along with the suggested initialization is verified to be always better than that of existing training procedure using fixed number of mixture Gaussian p.d.f.

  • PDF