• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.959-971
• /
• 2019

대표적인 딥러닝(deep learning) 기법 중 하나인 Convolutional Neural Network(CNN)은 고수준의 공간-분광 특징을 추출할 수 있어 초분광 영상 분류(Hyperspectral Image Classification)에 적용하는 연구가 활발히 진행되고 있다. 그러나 초분광 영상은 높은 분광 차원이 학습 과정의 시간과 복잡도를 증가시킨다는 문제가 있어 이를 해결하기 위해 기존 딥러닝 기반 초분광 영상 분류 연구들에서는 차원축소의 목적으로 Principal Component Analysis (PCA)를 적용한 바 있다. PCA는 데이터를 독립적인 주성분의 축으로 변환시킬 수 있어 분광 차원을 효율적으로 압축할 수 있으나, 분광 정보의 손실을 초래할 수 있다. PCA의 사용 유무가 CNN 학습의 정확도와 시간에 영향을 미치는 것은 분명하지만 이를 분석한 연구가 부족하다. 본 연구의 목적은 PCA를 통한 분광 차원축소가 CNN에 미치는 영향을 정량적으로 분석하여 효율적인 초분광 영상 분류를 위한 적절한 PCA의 적용 방법을 제안하는 데에 있다. 이를 위해 PCA를 적용하여 초분광 영상을 축소시켰으며, 축소된 차원의 크기를 바꿔가며 CNN 모델에 적용하였다. 또한, 모델 내의 컨볼루션(convolution) 연산 방식에 따른 PCA의 민감도를 분석하기 위해 2D-CNN과 3D-CNN을 적용하여 비교 분석하였다. 실험결과는 분류정확도, 학습시간, 분산 비율, 학습 과정을 통해 분석되었다. 축소된 차원의 크기가 분산 비율이 99.7~8%인 주성분 개수일 때 가장 효율적이었으며, 3차원 커널 경우 2D-CNN과는 다르게 원 영상의 분류정확도가 PCA-CNN보다 더 높았으며, 이를 통해 PCA의 차원축소 효과가 3차원 커널에서 상대적으로 적은 것을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.247-249
• /
• 2004

본 논문에서는 aspect model을 이용한 차원 축소 기반의 유전자 발현 데이터 분석을 제시한다. Aspect model은 은닉변수모델의 하나로서, 이를 이용하여 유전자 발현 데이터에 대한 확률적 학습 과정을 통해 특징적 발현 패턴을 추출할 수 있다. 또한 모델로부터 커널함수를 유도함으로써 발현패턴에 기반한 유전자간의 유사도를 자연스럽게 측정할 수 있다. 모델에 의해 정의되는 은닉공간 차원 수는 데이터 permutation 기반의 검증을 통해 결정한다. 효모 (yeast)의 세포 주기(cell cycle) 관련 발현데이터네 대한 실험에서, 주기별 특징 발현 패턴을 추출할 수 있었다. 또한 aspect model로부터 유도된 커널 기반의 유사도 척도를 이용함으로써, 동일 기능 또는 동일 complex 범주에 속하는 유전자 쌍 예측에서 기본적인 상관계수에 의한 방법에 비해 보다 향상된 성능을 얻을 수 있었다.

• 대한기계학회논문집B
• /
• 제37권6호
• /
• pp.591-597
• /
• 2013

대부분의 비뉴턴 유체 모델의 경우 격자볼쯔만 법을 이용한 3차원 유동해석에 효율적으로 적용하기 어려운 문제점을 가지고 있다. 이 연구에서는 이를 해결하기 위해 개발된 격자볼쯔만법 전용 비뉴턴 유체 모델인 Hydro-Kinetic 모델을 3차원 격자볼쯔만법 해석에 적용할 수 있도록 수정하고 이를 3차원 급축소 및 급확대 유동에 적용하여 얻은 결과를 통해서 강한 전단유동장에서 HK모델 유체의 거동을 분석하였다. HK모델은 변형률과 완화시간과의 관계를 나타낸 모델로 강한 전단유동장에서 국소적으로 큰 변형률이 발생하는 경우 완화시간이 급격하게 감소하여 해석이 불안정해지는 경향이 있어 격자볼쯔만법 해석안정성을 확보하기 위해서는 HK모델의 인수 ${\Gamma}$와 완화시간을 일정한 구간에서 변화하도록 제한 할 필요가 있다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2016년도 춘계학술대회
• /
• pp.196-198
• /
• 2016

해양사고 원인의 대부분을 차지하는 인적오류 예방은 해양안전에 가장 중요하며 인적오류는 확률기반의 인적 모델을 구축하여 평가할 수 있다. 확률기반 인적 모델을 구축하기 위해 사건의 원인과 결과 사이에 연계성을 갖고 있는 통계 데이터가 필요하다. 이러한 데이터는 정부 공식통계로서 해양안전심판원에서 제공하는 재결서의 내용 분석을 통해 얻고자 하나, 측정변수가 너무 많아 계산량이 방대하다. 본 연구에서는 재결서 분석서의 원인판단에서 기준이 되는 해양안전심판원의 해양사고조사심판정보포털(이하 해심)에서 제공하는 재결서 내용의 핵심적인 내용으로 구성된 '주제어 '데이터를 활용하여 주제어에 포함된 핵심단어 분석절차를 수립하였다. 이들 단어가 구분형태별로 어떻게 분포된 상태인지 알아보고, 선박사고별로 최적으로 설명할 수 있는 단어 객체수를 검토해보고자 한다. 향후 축소된 차원으로도 해양사고 인적과실의 인과관계 설명이 가능하면, 인적모델의 측정변수를 결정하는 경우 쉽게 타당성을 확인 할 수 있어 해양안전을 위한 중요한 자료로 활용할 수 있다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.31-37
• /
• 2004

GIS 분야에서 다루는 공간 데이터는 대부분 2차원의 데이터이다. 현실 공간에 존재하는 3차원 객체의 2차원 정보만을 취하거나 혹은 2차원 공간으로 투영하는 등의 방법으로 데이터를 저장한다. 이러한 방법은 정보의 손실로 인한 데이터 활용범위가 축소되고, 현실 공간을 정확하게 반영하지 못하는 문제가 있다. 최근 3차원 공간 데이터를 저장, 관리 가능한 DBMS가 개발되고, 3차원 데이터에 대한 관심과 요구가 높아가고 있다. 하지만 3차원 데이터를 단순 저장만 가능할 뿐 공간 연산에 대한 연구가 미흡한 실정이다. 본 연구에서는 3차원 공간 모델을 이용하여 공간 데이터베이스 표준에서 정의하고 있는 공간 관계 연산을 설계하였다. 공간 데이터 모델로는 OGC에서 제시한 GML3에서 정의하는 모델을 사용하였고, 공간 관계 연산에 대한 설계 도구로는 공간 관계를 연산하는데 가장 좋은 방법으로 알려진 DE-9IM을 이용하였다.

• 한국산업정보학회논문지
• /
• 제18권4호
• /
• pp.25-35
• /
• 2013

본 논문에서는 개인화된 분위기 분류 모델 대신에 대중의 분위기 분류 모델을 제안한다. 분위기 판별 성능을 개선하기 위해 두 가지 접근 방법을 선택하였는데, 그 첫 번째가 표준편차에 기초한 특징축소이다. 이는 음악의 특징을 추출하기 위해 사용하는 MIRtoolbox에서 추출되는 391개의 특징들을 모두 사용할 경우의 성능 저하 문제를 해결하기 위한 방법이다. 실험결과, 본 논문에서 제안한 특징축소 방법이 기존의 차원 축소 방법인 R-Square와 PCA보다 성능이 좋음을 확인할 수 있었다. 그리고 특징축소 방법만으로는 성능 개선에 한계가 있어 두 번째 개선방법으로 단위 신경망을 사용하여 추가의 성능 개선을 시도하였다. 실험결과 이 역시 유효한 성능 개선이 이루어짐을 확인할 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1373-1374
• /
• 2015

본 논문은 복잡한 비선형 모델링 방법인 다항식 기반 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 벡터공간에서 임의의 비선형 경계를 찾아 두 개의 집합을 분류하는 방법으로 주어진 조건하에서 수학적으로 최적의 해를 찾는 SVM(Support Vector Machine)를 사용하여 3차원 얼굴인식 모델을 설계하고 두 모델의 3차원 얼굴 인식률을 비교한다. 3D스캐너를 통해 3차원 얼굴형상을 획득하고 획득한 영상을 전처리 과정에서 포인트 클라우드 정합과 포즈보상을 수행한다. 포즈보상 통해 정면으로 재배치한 영상을 Multiple Point Signature기법을 이용하여 얼굴의 깊이 데이터를 추출한다. 추출된 깊이 데이터를 RBFNN과 SVM의 입력패턴과 출력으로 선정하여 모델을 설계한다. 각 모델의 효율적인 학습을 위해 PCA 알고리즘을 이용하여 고차원의 패턴을 축소하여 모델을 설계하고 인식 성능을 비교 및 확인한다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 1호
• /
• pp.473-476
• /
• 1998

본 연구에서는 GAT(Geometry Acoustic Theory)를 이용한 표적신호 합성모델의 이론적 배경을 제시하고, 수치모델의 결과를 음향수조에서 축소표적 실험자료 결과와 비교한다. GAT에 의한 표적신호 합성모델은 3차원 해양환경에서 음원과 표적에 의한 음장을 적절히 묘사할 뿐만 아니라 표적 형상에 의한 효과를 정밀하게 계산함으로써 고 정밀도의 표적신호 합성을 가능하게 한다.

• Composites Research
• /
• 제28권4호
• /
• pp.204-211
• /
• 2015

본 논문에서는 블레이드와 같이 세장비가 크고 초기 비틀림이 존재하는 복합재료로 구성된 날개 구조물에 대한 이차원 단면의 차원축소와 복원관계를 이론적으로 기술하고 이를 이용한 복합재료 로터 블레이드의 효율적인 설계 과정을 기술하였다. 차원축소와 복원해석 수치해석 프로그램인 VABS를 이용하여 단면해석을 수행하고 연성이 고려된 강성행렬과 질량행렬을 중립점에 연결하여 블레이드의 특성을 포함한 1차원 보 모델링을 구성하였다. 1차원 보 모델을 통해 블레이드의 거동을 확인하고 내부하중을 계산하여 단면위치에서 변형률 복원을 수치적으로 계산하고 이산화 된 단면에 수치적으로 매칭하여 시각적으로 형상화하였다.

• 융합보안논문지
• /
• 제23권1호
• /
• pp.117-123
• /
• 2023

점점 더 고도화되고 있는 랜섬웨어 공격을 기계학습 기반 모델로 탐지하기 위해서는, 분류 모델이 고차원의 특성을 가지는 학습데이터를 훈련해야 한다. 그리고 이 경우 '차원의 저주' 현상이 발생하기 쉽다. 따라서 차원의 저주 현상을 회피하면서 학습모델의 정확성을 높이고 실행 속도를 향상하기 위해 특성의 차원 축소가 반드시 선행되어야 한다. 본 논문에서는 특성의 차원이 극단적으로 다른 2종의 데이터세트를 대상으로 3종의 기계학습 모델과 2종의 특성 추출기법을 적용하여 랜섬웨어 분류를 수행하였다. 실험 결과, 이진 분류에서는 특성 차원 축소기법이 성능 향상에 큰 영향을 미치지 않았으며, 다중 분류에서도 데이터세트의 특성 차원이 작을 경우에는 동일하였다. 그러나 학습데이터가 고차원의 특성을 가지는 상황에서 다중 분류를 시도했을 경우 LDA(Linear Discriminant Analysis)가 우수한 성능을 나타냈다.