• 대한전자공학회논문지SP
• /
• 제39권2호
• /
• pp.147-154
• /
• 2002

본 논문에서는 multimodal 특성을 갖는 데이터에 대하여 패턴 분류 시 Bhattacharyya distance에 기반한 에러 예측 기법을 제안한다. 제안한 방법은 multimodal 데이터에 대하여 분류 에러와 Bhattacharyya distance를 각각 실험적으로 구하고 이 둘 사이의 관계를 유추하여 에러의 예측 가능성을 조사한다. 본 논문에서는 분류 에러 및 Bhattacharyya distance를 구하기 위하여 multimodal 데이터의 확률 밀도 함수를 정규 분포 특성을 갖는 부클래스들의 조합으로 추정한다. 원격 탐사 데이터를 이용하여 실험한 결과, multimodal 데이터의 분류 에러와 Bhattacharyya distance 사이에 밀접한 관련이 있음이 확인되었으며, Bhattacharyya distance를 이용한 에러 예측 가능성을 보여주었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 하계종합학술대회 논문집(4)
• /
• pp.85-87
• /
• 2000

In pattern classification, the Bhattacharyya distance has been used as a class separability measure and provides useful information for feature selection and extraction. In this paper, we propose a method to predict the classification error for multimodal data based on the Bhattacharyya distance. In our approach, we first approximate the pdf of multimodal distribution with a Gaussian mixture model and find the bhattacharyya distance and classification error. Exprimental results showed that there is a strong relationship between the Bhattacharyya distance and the classification error for multimodal data.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 하계종합학술대회 논문집
• /
• pp.643-646
• /
• 1999

In this paper, we propose a feature extraction method based on Bhattacharyya distance for multiclass problems. The Bhattacharyya distance provides a valuable information in determining the effectiveness of a feature set and has been used as separability measure for feature selection. Recently, a feature extraction algorithm hat been proposed for two normally distributed classes based on Bhattacharyya distance. In this paper, we propose to expand the previous approach to multiclass cases. Experiment results show that the proposed method compares favorably with the conventional methods.

• 대한전자공학회논문지SP
• /
• 제37권6호
• /
• pp.38-47
• /
• 2000

Bhattacharyya distance는 패턴 분류 문제에 있어서 클래스간 분리도 측정의 수단으로 사용되어 왔으며 특징 추출 시 유용한 정보를 제공한다. 본 논문에서는 최근 발표된 Bhattacharyya distance를 이용한 에러 예측 기법을 이용하여 예측된 분류 에러가 최소가 되는 특정 벡터를 추출하는 방법에 대하여 제안한다. 제안한 특징 추출 기법은 최적화 알고리즘인 전체탐색 및 순차탐색 방법의 적용 시 분류 에러를 직접 구하지 않고 Bhattacharyya distance를 이용하여 분류 에러를 예측하므로 고차원 데이터의 경우 고속의 특징 추출이 가능하며, 에러 예측 성질을 이용하여 패턴 분류 시 필요한 최소 특징 벡터의 수를 예측할 수 있는 장점이 있다.

• 한국통신학회논문지
• /
• 제32권9C호
• /
• pp.861-866
• /
• 2007

본 논문은 가우시안 확률분포함수 (Gaussian Probability Distribution Function) 데이터 군집화를 위해 중심신경망 (Centroid Neural Network, CNN)에 Bhattacharyya 커널을 적용한 군집화 알고리즘 (Bhattacharyya Kernel based CNN, BK-CNN)을 제안한다. 제안된 BK-CNN은 무감독 알고리즘인 중심신경망을 기반으로 하고 있으며, 커널 방법을 이용하여 데이터를 특징공간에서 투영한다. 입력공간의 비선형 문제를 선형적으로 해결하기 위해 제안한 커널 방법인데, 확률분포 사이의 거리측정을 위해 Bhattacharyya 거리를 이용한 커널방법을 사용하였다. 제안된 BK-CNN을 영상데이터 분류의 문제에 적용했을 때, 제안된 BK-CNN 알고리즘이 Bhattacharyya 커널을 적용한 k-means, 자기조직지도(Self-Organizing Map)와 중심 신경망등의 기존 알고리즘보다 1.7% - 4.3%의 평균 분류정확도 향상을 가져옴을 확인할 수 있었다.

• 대한토목학회논문집
• /
• 제29권3D호
• /
• pp.419-431
• /
• 2009

본 연구의 핵심은 하이퍼스펙트럴영상에 정준상관분류기법을 적용할 때, 최적의 분광밴드를 찾아내는 유효밴드 선정 및 추출기법은 무엇인가를 알아내는 것이다. 본 연구에서는 미국의 Purdue University에서 개발된 Multispec$^{(C)}$ 소프트웨어를 사용하여 각각의 분리도 결정기법에 따른 최적의 유효밴드를 선정하였다. 사용된 분리도 결정기법은 Divergence, Transformed Divergence, Bhattacharyya, Mean Bhattacharyya, Covariance Bhattacharyya, Non Covariance Bhattacharyya로서 총 6가지이다. 특징추출을 위해 Erdas Imagine과 ENVI 소프트웨어를 사용하여 PCA 변환과 MNF 변환을 수행하였다. 유효밴드 선정 및 특징추출의 효과에 대한 비교평가를 위해, 정준상관분류기법에 의한 토지피복분류작업을 수행하였다. 1차 선별된 60개 밴드를 사용한 정준상관분류의 정확도는 71.8%이며, 정준상관분류를 사용하여 가장 높은 분류정확도를 얻은 방법은 Noncovariance Bhattacharyya 적용 후 정준상관분류를 수행한 경우로서 전체정확도 79.0% 이다. 결론적으로 정준상관분류에 의한 하이퍼스펙트럴영상 분류에서는 유효밴드선정기법으로 사실상 Noncovariance Bhattacharyya 기법만 유용하였으며, 나머지 유효밴드 선정기법(Divergence 제외)과 특징추출기법은 정준상관분류에서는 오히려 분류정확도가 하락함을 확인하였다.

• Communications for Statistical Applications and Methods
• /
• 제11권1호
• /
• pp.13-20
• /
• 2004

A more general version of diffusivity based on total variation of density is defined and an information inequality for median-unbiased estimation is presented. The resulting information inequality can be interpreted as an analogue of the Bhattacharyya system of lower bounds for mean-unbiased estimation. A condition on which the information bound is achieved is also given.

• 디지털융복합연구
• /
• 제11권6호
• /
• pp.199-204
• /
• 2013

음성 인식 시스템은 정확하지 않게 입력된 음성으로부터 학습 모델을 구성하고 유사한 음소 모델로 인식하기 때문에 인식률 저하를 가져온다. 따라서 본 논문에서는 바타차랴 알고리즘을 이용한 음성 인식 최적 학습 모델 구성 방법을 제안하였다. 음소가 갖는 특징을 기반으로 학습 데이터의 음소에 HMM 특징 추출 방법을 이용하였으며 유사한 학습 모델은 바타챠랴 알고리즘을 이용하여 정확한 학습 모델로 인식할 수 있도록 하였다. 바타챠랴 알고리즘을 이용하여 최적의 학습 모델을 구성하여 인식 성능을 평가하였다. 본 논문에서 제안한 시스템을 적용한 결과 음성 인식률에서 98.7%의 인식률을 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.944-945
• /
• 2017

Color image edge detection is an important operation in many image processing areas. This paper presents a new method for edge detection based on the Bhattacharyya distance that can handle arbitrary boundaries by exploring several edge patterns. Experiments show promising results compared to some existing methods.

• 한국컴퓨터정보학회논문지
• /
• 제15권6호
• /
• pp.73-80
• /
• 2010

어휘 인식 시스템은 부정확한 어휘 제공과 유사한 음소 인식으로 인식률이 저하되며 이는 유사한 음소인식 오인식과 효율적 특징 추출 처리를 위한 방법을 필요로 한다. 따라서 본 논문에서는 음소가 갖는 특징을 기반으로 바타챠랴 거리 측정법을 이용한 음소 유사율 오류 보정 개선 시스템을 제안하였다. 음소 유사율은 모노폰으로 훈련시킨 훈련 데이터의 음소에 HMM 특징 추출 방법을 이용하였으며 유사한 음소는 바타챠랴 거리 측정법을 이용하여 정확한 음소로 인식할 수 있도록 유도하여 인식률 향상 효과를 얻을 수 있었다. 이를 유클리디안 거리 측정법과 동적타임 워핑 시스템에 비교한 시스템 성능 평가 결과 1.2%의 향상된 97.91% 인식률을 보였다.