• 대한전자공학회논문지SP
• /
• 제37권2호
• /
• pp.39-49
• /
• 2000

본 논문에서는 다중 클래스 데이터를 위한 특징 추출 방법을 최적화하는 기법을 제안한다 제안된 특징 추출 기법은 분류 오차에 기반한 방법으로 특징 공간(feature space)을 탐색하여 가우시안 최대우도 분류기 (Gaussian ML Classifier)의 분류오차(classification error)가 최소가 되도록 하는 특징벡터 집합을 구하는 방법이다 제안된 방법은 임의의 초기 특징벡터를 설정한 후 steepest descent 알고리즘을 적용하여 분류오차가 감소하는 방향으로 초기벡터를 갱신시킨다 본 논문에서는 순차탐색 및 전체탐색 두 가지의 방법을 제안하며 순차탐색은 추가로 특징벡터를 구하는 경우 이미 구해진 특징벡터를 포함하여 최소의 분류오차를 얻을 수 있는 특징벡터를 구한다 반면에 전체탐색 방법은 추가의 특징벡터를 구할 경우 새로운 초기 특징벡터 집합을 설정하여 이미 구해진 특징벡터를 포함하는 제약을 받지 않는다. 실험결과 제안된 두 가지 방법은 기존의 특징추출 방법보다 우수한 성능을 보여주고 있다.

• 전자공학회논문지CI
• /
• 제46권1호
• /
• pp.121-127
• /
• 2009

본 논문은 다단계 특징벡터를 이용한 분류기 모델(Multistage Feature-based Classification Model: MFCM)을 제안하는데, MFCM은 주어진 데이터에서 추출된 특징벡터 전체를 한 번에 이용하지 않고, 같은 성질들의 특징벡터들끼리 모아서, 여러 단계에 걸쳐서 분류에 이용한다. 학습단계에서, 같은 성질을 가지는 특징벡터 그룹 각각을 이용하는 국지적 분류기의 분류 정확도 산출을 통해 각 특징벡터그룹의 기여도를 측정한다. 분류단계에서는 각 특징벡터그룹의 기여도에 따라 차등적으로 가중치를 적용하여 최종적인 분류결론을 이끌어 낸다. 본 논문에서는 MFCM의 개념을 기존의 몇 가지 분류 알고리즘에 적용하고, 음악 장르 분류 문제에 응용하여, 제안된 알고리즘의 유용성에 관한 실험을 수행하였다. 실험의 결과 제안된 MFCM을 이용하는 분류기는 기존의 알고리즘과 비교하여 분류정확도에서 평균적으로 7%-13%의 성능향상을 보여준다.

• 한국정보전자통신기술학회논문지
• /
• 제10권1호
• /
• pp.9-15
• /
• 2017

본 연구에서는 웨이블릿 평면에서 대역 분할된 데이터를 특징 벡터로 하는 SVM을 이용한 ERP 검출 실험을 하였다. 뇌파 신호는 SCSD의 SCCN 뇌파 데이터베이스에 있는 시각적 자극(visual stimulus)을 이용하여 발생한 ERP를 사용하였다. 검출 알고리즘을 이용한 실험은 기존의 뇌파의 주파수 분석 데이터를 특징 벡터로 하는 방법과 웨이블릿 평면에서 전개된 뇌파 데이터를 특징 벡터로 하는 SVM 검출 방식을 비교하였다. 실험 결과는 기존의 특징 벡터를 이용하는 방법에 비하여 웨이블릿 평면에서 전개된 특징 벡터를 이용하는 SVM 방식이 EPR의 검출 율에서 약 10%의 향상된 성능을 나타내었다. 실험 결과에 대한 분석에서 웨이블릿 평면 특징 벡터를 적용한 SVM 실험 결과에서 검출율이 향상된 이유로서 대뇌 피질 활동이 ERP의 주파수 대역에 따른 활동성의 증감 특성과 ERP의 웨이블릿 평면 대역별 특성에 대한 비교 분석을 수행하였다.

• 응용통계연구
• /
• 제21권6호
• /
• pp.959-967
• /
• 2008

본 연구의 목적은 숨은마코프모형을 사용하여 음성구간의 끝점을 검출하는 문제에서 소음의 환경에서도 강건하며 계산의 부하가 적은 이산형 특징벡터를 제안하고 이의 성질을 실증적으로 밝히는 것이다. 제시된 특징벡터는 일차원의 소리 신호의 에너지의 변화율을 나타내는 경사도이며 숨은마코프모형과 관련된 계산에서의 부하를 감소하기 위하여 세 개의 값으로 이산화하였다. 여러 소음 수준의 끝점 검출의 실험에서, 제시된 특징벡터가 잡음 환경에서도 강건함을 보였다.

• 융합신호처리학회논문지
• /
• 제4권3호
• /
• pp.21-26
• /
• 2003

본 논문은 퓨리에 변환을 이용한 3차원 폐곡면 객체의 특징 벡터 추출 기법을 제시한다. 특징 벡터는 3차원극좌표계를 이용하여 폐곡면 객체의 회전각도별 내측거리값을 퓨리에 변환을 통해 주파수 영역으로 변환하여 추출한다. 특징 벡터는 폐곡면 표면점과 중심점과의 관계를 나타내는 내측거리값을 활용하므로 위치 이동에 불변이고 내측거리값은 퓨리에 변환 전 정규화되기 때문에 크기 변화에 불변이며 퓨리에 변환 후 파워 스펙트럼을 적용하여 회전 변화 불변임을 보여주고 있다. 실험 결과 위치 이동, 크기 변화, 회전 변화에 불변임을 알 수 있고 서로 상이한 객체간에 변별력이 있어 객체 고유의 특징 벡터로써 활용이 가능함을 제시한다.

• 제어로봇시스템학회논문지
• /
• 제11권2호
• /
• pp.137-143
• /
• 2005

Autonomous mobile robot has an ability to navigate using both map in known environment and sensors for detecting obstacles in unknown environment. In general, autonomous mobile robot navigates by global path planning on the basis of already made map and local path planning on the basis of various kinds of sensors to avoid abrupt obstacles. This paper provides a global path planning method using self-organizing feature map which is a method among a number of neural network. The self-organizing feature map uses a randomized small valued initial weight vectors, selects the neuron whose weight vector best matches input as the winning neuron, and trains the weight vectors such that neurons within the activity bubble are move toward the input vector. On the other hand, the modified method in this research uses a predetermined initial weight vectors, gives the systematic input vector whose position best matches obstacles, and trains the weight vectors such that neurons within the activity bubble are move toward the input vector. According to simulation results one can conclude that the modified neural network is useful tool for the global path planning problem of a mobile robot.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권1호
• /
• pp.12-18
• /
• 2013

Motor imagery classification in electroencephalography (EEG)-based brain-computer interface (BCI) systems is an important research area. To simplify the complexity of the classification, selected power bands and electrode channels have been widely used to extract and select features from raw EEG signals, but there is still a loss in classification accuracy in the state-of- the-art approaches. To solve this problem, we propose a discriminative feature extraction algorithm based on power bands with principle component analysis (PCA). First, the raw EEG signals from the motor cortex area were filtered using a bandpass filter with ${\mu}$ and ${\beta}$ bands. This research considered the power bands within a 0.4 second epoch to select the optimal feature space region. Next, the total feature dimensions were reduced by PCA and transformed into a final feature vector set. The selected features were classified by applying a support vector machine (SVM). The proposed method was compared with a state-of-art power band feature and shown to improve classification accuracy.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제4권3호
• /
• pp.322-326
• /
• 2004

This paper describes a new iris recognition method based on a shift-invariant wavelet sub-images. For the feature representation, we first preprocess an iris image for the compensation of the variation of the iris and for the easy implementation of the wavelet transform. Then, we decompose the preprocessed iris image into multiple subband images using a shift-invariant wavelet transform. For feature representation, we select a set of subband images, which have rich information for the classification of various iris patterns and robust to noises. In order to reduce the size of the feature vector, we quantize. each pixel of subband images using the Lloyd-Max quantization method Each feature element is represented by one of quantization levels, and a set of these feature element is the feature vector. When the quantization is very coarse, the quantized level does not have much information about the image pixel value. Therefore, we define a new similarity measure based on mutual information between two features. With this similarity measure, the size of the feature vector can be reduced without much degradation of performance. Experimentally, we show that the proposed method produced superb performance in iris recognition.

• 전기학회논문지
• /
• 제64권1호
• /
• pp.82-89
• /
• 2015

The researches of image recognition have been processed traditionally. Especially, face recognition technology has been received attractions with advance and applied to various areas according as camera sensor embedded into many devices such as smart phone. In this study, we design and develop a feature vector generation technique of face for making animation caricatures using methods for face detection which are previous stage of face recognition. At first, we detect both face region and detailed eye region of component element by Viola&Johns's realtime detection method which are called as ROI(Region Of Interest). And then, we generate feature vectors of eye region by utilizing factors as opposed to the periphery and by using appearance information of eye. At this point, we focus on the embedded information in many color spaces to overcome the problems which can be occurred by using one color space. We propose a feature vector generation method using information from many color spaces. Finally, we experiment the test of feature vector generation by the proposed method with enough quantity of sample picture data and evaluate the proposed method for factors of estimating performance such as error rate, accuracy and generation time.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.883-884
• /
• 2008

This paper presents a method for classification of underwater transient signals using, which employs a binary image pattern of the mel-frequency cepstral coefficients(MFCC) as a feature vector and a neural network as a classifier. A feature vector is obtained by taking DCT and 1-bit quantization for the square matrix of the MFCC sequences. The classifier is a feed-forward neural network having one hidden layer and one output layer, and a back propagation algorithm is used to update the weighting vector of each layer. Experimental results with some underwater transient signals demonstrate that the proposed method is very promising for classification of underwater transient signals.