• Journal of KIISE:Software and Applications
• /
• v.28 no.2
• /
• pp.192-200
• /
• 2001

본 논문은 조명 변화, 표정 변화, 부분적인 오클루전이 있는 얼굴 영상에 강인하고 적은 메모리양과 계산량을 갖는 효율적인 얼굴 인식 방법을 제안한다. SKKUface(Sungkyunkwan University face)라 명명한 이 방법은 먼저 훈련 영상에 PCA(principal component analysis)를 적용하여 차원을 줄일 때 구해지는 특징 벡터 공간에서 조명 변화, 얼굴 표정 변화 등에 해당되는 공간이 최대한 제외된 새로운 특징 벡터 공간을 생성한다. 이러한 특징 벡터 공간은 얼굴의 고유특징만을 주로 포함하는 벡터 공간이므로 이러한 벡터 공간에 Fisher linear discriminant를 적용하면 클래스간의 더욱 효과적인 분리가 이루어져 인식률을 획기적으로 향상시킨다. 또한, SKKUface 방법은 클래스간 분산(between-class covariance) 행렬과 클래스내 분산(within-class covariance) 행렬을 계산할 때 문제가 되는 메모리양과 계산 시간을 획기적으로 줄이는 방법을 제안하여 적용하였다. 제안된 SKKUface 방법의 얼굴 인식 성능을 평가하기 위하여 YALE, SKKU, ORL(Olivetti Research Laboratory) 얼굴 데이타베이스를 가지고 기존의 얼굴 인식 방법으로 널리 알려진 Eigenface 방법, Fisherface 방법과 함께 인식률을 비교 평가하였다. 실험 결과, 제안된 SKKUface 방법이 조명 변화, 부분적인 오클루전이 있는 얼굴 영상에 대해서 Eigenface 방법과 Fisherface 방법에 비해 인식률이 상당히 우수함을 알 수 있었다.

• ICROS
• /
• v.15 no.4
• /
• pp.38-42
• /
• 2009

제어 및 로봇 응용에서 다양한 좌표계와 이를 기반으로한 벡터의 좌표값이 활용되고 있다. 이는 운동을 수반하는 대다수의 지능 시스템에 있어서 시스템의 현재 위치 및 자세 정보가 미래의 동작을 결정하고 제어하는데 필수 불가결하 정보로 인식되기 때문이다. 다양한 응용분야에 활용되는 중용성에도 불구하고, 필자의 경험에 의하면, 벡터 및 좌표계 관련 사항들은 입문자가 처음 접하는 단계에서 큰 부담을 느끼는 부분으로 이해된다. 이와 같은 경험을 바탕으로 본 고는 벡터와 좌표계 그리고 좌표값에 접해본 경험이 없는 독자에게 기본적인 개념들을 별도의 보조 문헌이 필요 없이 알기 쉽게 설명하는데 그 목적이 있다.

• Communications for Statistical Applications and Methods
• /
• v.3 no.1
• /
• pp.131-143
• /
• 1996

다변량 층화임의추출에서 한 변수의 Neyman 최적배분은 다른 변수에 대한 층화분산을 최소화시키지 못하는 결과를 초래할 수도 있다. 따라서 다변량 자료의 경우 '최적'배분 대신에 '절충'배분이 도입되어 왔다. 이 연구에서는 각 변수별 Neyman 최적배분에 근거해서 얻은 층화표본평균벡터의 공분산 행렬에 가장 잘 적합되는 층별로 동일한 크기의 절충배분을 찾고자 한다. 이에 적절한 기준 다섯가지를 제시하고 예를 통해 비교, 분석하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.130-132
• /
• 2003

계산 과학을 사용하는 응용 분야는 공학, 물리, 화학, 생명 과학에서 경제학까지 다양하다. 계산 과학에 사용되는 많은 알고리즘들은 행렬 연산을 포함하고 있으며 이 행렬은 크기가 크고 대부분의 원소가 0값을 갖는 희소 행렬일 경우가 많다. 본 논문에서는 희소 행렬의 연산 중, 희소 행렬 A와 밀집 벡터 x, y에 대하여 ylongleftarrowy＋Ax와 ylongleftarrowy＋$A^{T}$ Ax 의 두 가지 연산에 대한 계산 속도 개선 방법으로서 레지스터 재사용을 높이는 레지스터 블록화와 캐쉬 미스를 줄이기 위한 캐쉬 최적화 방법을 제안하며 또한 희소 행렬의 특성과 target 컴퓨터의 구조에 따라 정해지는 레지스터 블록 크기를 결정하는 방법을 설명한다. Preliminary결과로 이 방법을 Pentium III system상에서 실험한 결과를 보이는데 ylongleftarrowy＋Ax 의 연산에 대하여는 2.5 배, ylongleftarrowy＋$A^{T}$ Ax 의 연산에 대하여는 3.5 배까지의 성능 개선을 이룰 수 있다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.35 no.8C
• /
• pp.661-666
• /
• 2010

In this paper, we apply a likelihood ratio test (LRT) to a non-negative matrix factorization (NMF) based voice activity detection (VAD) to find optimal threshold. In our approach, the NMF based VAD is expressed as Euclidean distance between noise basis vector and input basis vector which are extracted through NMF. The optimal threshold each of noise environments depend on NMF results distribution in noise region which is estimated statistical model-based VAD. According to the experimental results, the proposed approach is found to be effective for statistical model-based VAD using LRT.

• Journal of the Korean Society of Manufacturing Technology Engineers
• /
• v.7 no.6
• /
• pp.110-116
• /
• 1998

For the vibration analysis of 3-dimensional piping system containing fluid flow, a transfer matrix method is presented. The fluid velocity and pressure were considered, that coupled to longitudinal and flexural vibrations. Transfer matrices and point matrices were derived from direct solutions of the differential equations of motion of pipe conveying fluids, and the variations of natural frequency with flow velocity for 3-dimensional piping system were investigated.

• Journal of Internet Computing and Services
• /
• v.5 no.3
• /
• pp.57-62
• /
• 2004

In this paper, an efficient speaker identification based on robust vector quantizationprincipal component analysis (VQ-PCA) is proposed to solve the problems from outliers and high dimensionality of training feature vectors in speaker identification, Firstly, the proposed method partitions the data space into several disjoint regions by roust VQ based on M-estimation. Secondly, the robust PCA is obtained from the covariance matrix in each region. Finally, our method obtains the Gaussian Mixture model (GMM) for speaker from the transformed feature vectors with reduced dimension by the robust PCA in each region, Compared to the conventional GMM with diagonal covariance matrix, under the same performance, the proposed method gives faster results with less storage and, moreover, shows robust performance to outliers.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.2
• /
• pp.347-354
• /
• 2015

This paper deals with a method for intrablock anlaysis of balanced incomplete block designs on the basis of projections under the assumption of mixed effects model. It shows how to construct a model at each step by the stepwise procedure and discusses how to use projection for the analysis of intrablock. Projections are obtained in vector subspaces orthogonal to each other. So the estimates of the treatment effects are not affected by the block effects. The estimability of a parameter or a function of parameters is discussed and eigenvectors are dealt for the construction of estimable functions.

• The Korean Journal of Applied Statistics
• /
• v.24 no.5
• /
• pp.963-977
• /
• 2011

PCA(Principal Component Analysis) is a well-studied statistical technique and an important tool for handling multivariate data. Although many algorithms exist for PCA, most of them are unsuitable for real time applications or high dimensional problems. Since it is desirable to avoid extensive matrix operations in such cases, alternative solutions are required to calculate the eigenvalues and eigenvectors of the sample covariance matrix. Erdogmus et al. (2004) proposed Recursive PCA(RPCA), which is a fast adaptive on-line solution for PCA, based on the first order perturbation theory. It facilitates the real-time implementation of PCA by recursively approximating updated eigenvalues and eigenvectors. However, the performance of the RPCA method becomes questionable as the size of newly-added data increases. In this paper, we modified the RPCA method by taking advantage of the mathematical relation of eigenvalues and eigenvectors of sample covariance matrix. We compared the performance of the proposed algorithm with that of RPCA, and found that the accuracy of the proposed method remarkably improved.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.52 no.2
• /
• pp.162-170
• /
• 2015

Commute time embedding involves computing the spectral decomposition of the graph Laplacian. It requires the computational burden proportional to $o(n^3)$, not suitable for large scale dataset. Many methods have been proposed to accelerate the computational time, which usually employ the Nystr${\ddot{o}}$m methods to approximate the spectral decomposition of the reduced graph Laplacian. They suffer from the lost of information by dint of sampling process. This paper proposes to reduce the errors by approximating the spectral decomposition of the graph Laplacian using that of the affinity matrix. However, this can not be applied as the data size increases, because it also requires spectral decomposition. Another method called approximate commute time embedding is implemented, which does not require spectral decomposition. The performance of the proposed algorithms is analyzed by computing the commute time on the patch graph.