• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.590-593
• /
• 2004

Extraction of ocean surface current velocity offers important physical oceanographic parameters especially on understanding ocean environment. Although Remote Sensing techniques were highly developed, the investigation of ocean surface current using Synthetic Aperture Radar (SAR) is not an easy task. This paper presents the results of ocean surface current observation using Doppler Centroid of ERS-1 SAR data obtained off the coast of Korea peninsula. We employed the concept, in which Doppler frequency shift and the ocean surface current are closely related, to evaluate ocean surface current. Moving targets cause Doppler frequency shift of the back scattered radar waves of SAR, thus the line-of-sight velocity component of the scatters can be evaluated. The Doppler frequency shift can be measured by estimating the difference between Doppler Centroid of raw SAR data and reference Doppler Centroid. Theoretically, the Doppler Centroid is zero; however, squinted antenna which is affected by several physical factors causes Doppler Centroid to be nonzero. The reference Doppler Centroid can be obtained from measurements of sensor trajectory, attitude and Earth model. The estimated Doppler Centroid was compensated by considering the accurate attitude estimation of ERS-1 SAR. We could verify the correspondence between the estimated ocean surface current and observed in-situ data in the error bound.

• 한국음향학회지
• /
• 제41권2호
• /
• pp.199-209
• /
• 2022

일반적인 비정상 탐지 알고리즘은 사전 데이터를 이용하여 학습된다. 따라서 시간에 따른 정상 데이터의 특징이 변화되는 경우에 기존의 배치 학습 기반 알고리즘의 성능 저하가 불가피하다. 본 논문에서는 정상 데이터의 점진적 특징 변화를 고려할 수 있는 온라인 비정상 탐지 알고리즘을 제안한다. 제안하는 알고리즘은 단일 클래스 분류 모델에 기반하며 오프라인 및 온라인 단계의 학습 과정을 포함한다. 제안된 알고리즘의 오프라인 학습 단계에서는 사전 데이터가 잠재 공간의 중심에 근접하도록 학습하고, 이후 온라인 학습단계에서는 신규 데이터에 의한 점진적 잠재 공간의 중심을 갱신하고, 갱신된 중심을 기준으로 계속 학습을 진행한다. 공개된 수중 음향 데이터를 이용한 실험결과 제안된 온라인 비정상 탐지 알고리즘은 점진적 중심 갱신 및 학습을 위해 단지 2 % 정도의 추가 학습시간이 소요되는 것으로 확인되었다. 반면에 시변 정상데이터가 수신되는 경우에 오프라인 학습 모델과 비교하여 19.10 % 개선된 Area Under the receiver operating characteristic Curve(AUC) 성능을 보였다.

• 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.

• Communications for Statistical Applications and Methods
• /
• 제30권3호
• /
• pp.245-258
• /
• 2023

This study proposes a modification to the objective function of the support vector machine for the linearly non-separable case of a binary classifier y_i ∈ {-1, 1}. The modification takes into account the position of each data item x_i from its corresponding class centroid. The resulting optimization function involves the centroid mean vector, and the spread of data besides the support vectors, which should be minimized by the choice of hyper-plane β. Theoretical assumptions have been tested to derive an optimal separable hyperplane that yields the minimal misclassification rate. The proposed method has been evaluated using simulation studies and real-life COVID-19 patient outcome hospitalization data. Results show that the proposed method performs better than the classical linear SVM classifier as the sample size increases and is preferred in the presence of correlations among predictors as well as among extreme values.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.1837-1838
• /
• 2010

기존 hierarchical clustering 은 Time complexity 와 space complexity 가 Large data set 을 clustering 하기에는 적당하지 못하며 이것을 일반 PC 의 메모리 내에서 해결하는데 어려움이 있다. 따라서 본 연구에서는 이러한 어려움을 극복하기 위해 기존 Hierarchical clustering 중 Centroid Linkage 에 새로운 Algorithm 을 제안하여 보다 적은 메모리를 사용하고 빠르게 처리하는 방법을 제안하고자 한다.

• 대한원격탐사학회지
• /
• 제29권1호
• /
• pp.11-20
• /
• 2013

인공위성 Synthetic Aperture Radar(SAR)는 물리해양학적 현상을 정량적으로 관측하는데 가장 유용한 도구 중의 하나이다. SAR의 도플러 편이(Doppler shift) 현상은 센서와 해양표면 유체와의 상대적인 움직임 차이로 인해 발생될 수 있다. 따라서, 단 채널 SAR 원시자료에 기록된 도플러 정보는 해양의 유체 이동속도를 추정하는데 유용하다. 유체의 이동속도는 측정된 도플러 중심주파수(estimated Doppler centroid)와 예측된 도플러 중심주파수(predicted Doppler centroid) 사이의 차이를 측정함으로써 계산될 수 있다. 예측된 도플러 중심주파수는 표적이 움직이지 않는다고 가정했을 때의 중심주파수로서 위성의 궤도, 시선 각, 자세 등과 같은 기하모델을 통해 계산될 수 있고, 측정된 도플러 중심주파수는 실제 SAR 촬영시 표적의 움직임에 해당하는 도플러 중심주파수로서 원시자료에 기록된 정보를 이용하고 평균상관계수법(Average Cross Correlation Coefficient; ACCC)을 적용하여 추출될 수 있다. 이렇게 추출된 도플러 속도에서 브래그 공명을 일으키는 표면 장력파의 위상속도를 제거하여 좀더 정밀한 표층 해류의 속도를 추출하였다. 이러한 기법들을 동해를 촬영한 Envisat ASAR 원시자료에 적용하였으며, 추출된 해류속도를 HF-radar에서 관측한 해류속도와 비교하였다.

• 대한원격탐사학회지
• /
• 제23권5호
• /
• pp.421-430
• /
• 2007

This paper presents the results of the ocean surface current velocity estimation using 6 Radarsat-1 SAR images acquired in west coastal area near Incheon. We extracted the surface velocity from SAR images based on the Doppler shift approach in which the azimuth frequency shift is related to the motion of surface target in the radar direction. The Doppler shift was measured by the difference between the Doppler centroid estimated in the range-compressed, azimuth-frequency domain and the nominal Doppler centroid used during the SAR focusing process. The extracted SAR current velocities were statistically compared with the current velocities from the high frequency(HF) radar in terms of averages, standard deviations, and root mean square errors. The problem of the unreliable nominal Doppler centroid for the estimation of the SAR current velocity was corrected by subtracting the difference of averages between SAR and HF-radar current velocities from the SAR current velocity. The corrected SAR current velocity inherits the average of HF-radar data while maintaining high-resolution nature of the original SAR data.

• 산업공학
• /
• 제18권1호
• /
• pp.10-21
• /
• 2005

With the increasing proliferation of World Wide Web, electronic mail systems have become very widely used communication tools. Researches on e-mail classification have been very important in that e-mail classification system is a major engine for e-mail response management systems which mine unstructured e-mail messages and automatically categorize them. In this research we compare the performance of Naive Bayesian learning and Centroid-Based Classification using the different data set of an on-line shopping mall and a credit card company. We analyze which method performs better under which conditions. We compared classification accuracy of them which depends on structure and size of train set and increasing numbers of class. The experimental results indicate that Naive Bayesian learning performs better, while Centroid-Based Classification is more robust in terms of classification accuracy.

• 전기전자학회논문지
• /
• 제17권3호
• /
• pp.254-259
• /
• 2013

본 논문에서는 준감독 학습 알고리즘(Semi-Supervised Learning Algorithm)의 학습데이터에 필요한 소수의 레이블 데이터를 능동적으로 선택하기 위한 무감독경쟁학습 알고리즘인 VCNN(Vector Centroid Neural Network)을 제안한다. 준감독 학습 알고리즘에서 레이블 데이터의 선택은 학습 결과 큰 영향을 미치고, 레이블 데이터를 선택하는데 있어 많은 비용과 전문적인 지식이 필요하다. 본 논문에서 능동적이고 효율적인 레이블 데이터 선택을 검증하기 위하여 UCI database 와 caltech dataset 을 이용하여 실험한 결과, 기존의 레이블 데이터 선택 방법과 비교하여 안정된 분류 결과와 최소의 오차율을 나타냈다.

• JSTS:Journal of Semiconductor Technology and Science
• /
• 제10권2호
• /
• pp.100-106
• /
• 2010

The impact of surface quantization on device parameters of a Si metal oxide semiconductor (MOS) capacitor has been analyzed in the present work. Variation of conduction band bending, position of discrete energy states, variation of surface potential, and the variation of inversion carrier concentration at charge centroid have been analyzed for different gate voltages, substrate doping concentrations and oxide thicknesses. Oxide thickness calculated from the experimental C-V data of a MOS capacitor is different from the actual oxide thickness, since such data include the effect of surface quantization. A correction factor has been developed considering the effect of charge centroid in presence of surface quantization at strong inversion and it has been observed that the correction due to surface quantization is crucial for highly doped substrate with thinner gate oxide.