• Investigative Magnetic Resonance Imaging
• /
• 제3권2호
• /
• pp.188-195
• /
• 1999

fMRI의 신호는 매우 다양한 종류의 선호들이 혼합된 상태이며 , 비록 몇 가지의 요소에 대해 모델링하여 그 선호 형태를 추측할 수 있으나 모든 신호를 정확하게 분리하여 뇌신경의 활성화를 반영하는 신호만을 선택적으로 알아 내기는 어려운 일이다. 또한 뇌와 신체의 생리적 현상으로 발생하는 잡음뿐아니라 움직임이나 계기의 잡음은 fMRl의 데이터 분석을더욱 어렵게 한다. 따라서 실제 뇌신경의 활성화를 정확히 나타내는 참고데이터(reference data)를 선택하는 것은 힘든 일이며, 뇌신경의 활성화를 반영하는 의미 있는 여러 신호 형태에 대한 분석은 현재 fMRl의 후처리 (post-processing) 분석 방법에서 하나의 연구 과제라 할 수 있다. 본 연구에서는 prioriknow­-ledge 혹은 참고 데이터가 필요 없는 분석 방법인 Independent Component Analysis (lCA) 를 이용하여 fMRI선호를 분석하였다. ICA는 현재 많이 사용되고 있는 상관 분석 방법에 비해 신호의 형태를 분석하는 데에 보다 효과적일 수 있으며, 지연된 반응 형태를 갖는 신호나 움직임에 의한 신호의 패턴을 분리하여 분석할 수 있다. 한편, ICA만으후 fMRl의 신호에 따라 분석이 효과적이지 못한 경우 Principal Component Analysis(PCA) threshold, wavelet spatial f filtering, 부분적 영상 분석 방법들을 ICA전에 수행 함으로써 보다 효과적인 분석을 수행할 수 있다. ICA는 fMRl 신호의 형태 분석에 효과적인 방법이라고 생각하며, 데이터의 자유도를 감소 하기 위해서는 선 필터링 (pre-filtering) 방법들이 적용될 수 있다.

• Nuclear Engineering and Technology
• /
• 제33권5호
• /
• pp.457-467
• /
• 2001

It is well known that the performance of a fuzzy neural network strongly depends on the input features selected for its training. In its applications to sensor signal estimation, there are a large number of input variables related with an output As the number of input variables increases, the training time of fuzzy neural networks required increases exponentially. Thus, it is essential to reduce the number of inputs to a fuzzy neural network and to select the optimum number of mutually independent inputs that are able to clearly define the input-output mapping. In this work, principal component analysis (PCA), genetic algorithms (CA) and probability theory are combined to select new important input features. A proposed feature selection method is applied to the signal estimation of the steam generator water level, the hot-leg flowrate, the pressurizer water level and the pressurizer pressure sensors in pressurized water reactors and compared with other input feature selection methods.

• 대한전자공학회논문지SP
• /
• 제41권4호
• /
• pp.45-50
• /
• 2004

본 논문에서는 실시간 얼굴인식 시스템을 위한 새로운 PCA 기반 LDA 혼합 알고리즘을 제안한다. 크게 얼굴추출 부분과 얼굴인식 부분으로 구성되어 있으며, 얼굴추출 부분에는 차영상, color filtering, 눈과 입의 영역 검출 그리고 정규화 방법을 사용하였고, 얼굴인식 부분에는 추출된 얼굴 후보 영역 영상에 PCA와 LDA를 혼합하여 적용하였다. 기존의 PCA만을 사용한 인식시스템은 낮은 인식률을 보였으며, LDA만을 사용한 인식시스템에서는 학습데이터의 수에 비하여 영상의 화소 개수가 많은 경우 LDA를 입력 영상에 그대로 적용하기 곤란하였다. 이러한 단점을 극복하기 위하여, 정규화 된 영상에 PCA를 적용하여 차원을 축소한 후 LDA를 사용하여 실시간 인식을 가능하게 하였으며, 인식률 또한 향상시킬 수 있었다. 제안한 시스템의 성능을 평가하기 위하여 자체 제작한 DAUface의 데이터베이스를 가지고 실험을 하였다. 실험 결과, 제안된 방법이 PCA 방법과 LDA 방법, 그리고 ICA 방법에 비해 인식률이 상당히 우수함을 알 수 있었다.