• 대한의용생체공학회:의공학회지
• /
• 제27권4호
• /
• pp.170-179
• /
• 2006

The purpose of this study was to investigate the spatiotemporal cortical activation pattern and functional connectivity during visual perception of words. 61 channel recordings of electroencephalogram were obtained from 15 subjects while they were judging the meaning of Korean, English, and Chinese words with concrete meanings. We examined event-related potentials (ERP) and applied independent component analysis (ICA) to find and separate simultaneously activated neural sources. Spectral analysis was also performed to investigate the gamma-band activity (GBA, 30-50 Hz) which is known to reflect feature binding. Five significant ERP components were identified and left hemispheric dominance was observed for most sites. Meaningful differences of amplitudes and latencies among languages were observed. It seemed that familiarity with each language and orthographic characteristics affected the characteristics of ERP components. ICA helped confirm several prominent sources corresponding to some ERP components. The results of spectral and time-frequency analyses showed distinct GBAs at prefrontal, frontal, and temporal sites. The GBAs at prefrontal and temporal sites were significantly correlated with the LPC amplitude and response time. The differences in spatiotemporal patterns of GBA among languages were not prominent compared to the inter-individual differences. The gamma-band coherence revealed short-range connectivity within frontal region and long-range connectivity between frontal, posterior, and temporal sites.

• ETRI Journal
• /
• 제24권6호
• /
• pp.469-472
• /
• 2002

Speaker adaptation techniques are generally used to reduce speaker differences in speech recognition. In this work, we focus on the features fitted to a linear regression-based speaker adaptation. These are obtained by feature transformation based on independent component analysis (ICA), and the feature transformation matrices are estimated from the training data and adaptation data. Since the adaptation data is not sufficient to reliably estimate the ICA-based feature transformation matrix, it is necessary to adjust the ICA-based feature transformation matrix estimated from a new speaker utterance. To cope with this problem, we propose a smoothing method through a linear interpolation between the speaker-independent (SI) feature transformation matrix and the speaker-dependent (SD) feature transformation matrix. From our experiments, we observed that the proposed method is more effective in the mismatched case. In the mismatched case, the adaptation performance is improved because the smoothed feature transformation matrix makes speaker adaptation using noisy speech more robust.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 하계종합학술대회 논문집(5)
• /
• pp.134-137
• /
• 2000

We applied the ICA method to separate the ventricle and tissue components and to extract left ventricular input function from the H$_2$$^{15}$ O myocardial PET under the assumption that the elementary activities of ventricular pools and myocardium were spatially independent, and that the mixture of them composed dynamic PET frames. ICA-generated left ventricular input functions were compared with the ROI-generated ones, and also with the invasively derived arterial blood samples. Moreover, the rMBF calculated with the ICA-generated input functions and single compartment model was correlated with the results obtained with the radiolabeled microspheres.

• 전기학회논문지
• /
• 제57권8호
• /
• pp.1454-1463
• /
• 2008

Blind source separation by independent component analysis (ICA) has applied in signal processing, telecommunication, and image processing to recover unknown original source signals from mutually independent observation signals. Neural networks are learned to estimate the original signals by unsupervised learning algorithm. Because the outputs of the neural networks which yield original source signals are mutually independent, then mutual information is zero. This is equivalent to minimizing the Kullback-Leibler convergence between probability density function and the corresponding factorial distribution of the output in neural networks. In this paper, we present a learning algorithm using information theory and higher order statistics to solve problem of blind source separation. For computer simulation two deterministic signals and a Gaussian noise are used as original source signals. We also test the proposed algorithm by applying it to several discrete images.

• 전기학회논문지
• /
• 제62권6호
• /
• pp.825-832
• /
• 2013

In this study, Independent Component Analysis (ICA) algorithms are suggested to extract the original ECG part from the mixed signal contaminated with the unwanted frequency components and especially 60Hz power line disturbances. With this aim, we implement a novel method to suppress the baseline-wandering disturbances and power line artefacts contained in patch-electrodes sensory ECG data by separating the unmixed signal with finding the optimal weight W based on Kurtosis value. With applying brutal force and gradient ascent searching algorithm to find W, we can conclude that the unwanted frequency components especially in the ambulatory ECG data can be eliminated by Independent Component Analysis.

• 전자공학회논문지CI
• /
• 제39권2호
• /
• pp.10-20
• /
• 2002

여러 가지의 독립성분분석 및 암묵신호분리 알고리즘들이 개발되었지만, 아직 이러한 알고리즘들의 성능비교가 철저히 이루어지지는 못 하였다. 이 논문은 이 알고리즘들 중에서 뛰어난 알고리즘들을 센서 잡음에 대한 강인성, 계산 복잡도, 혼합 행렬의 조건, 센서 수, 학습패턴 수 등 여러 측면에서 비교한다. 또한, 알고리즘들의 성능 비교에 유용한 문제들도 제시한다. 이 비교결과는 이 알고리즘들의 EEG/MEG 분석, 음성신호분리 등과 같은 실질적 응용에 큰 도움이 될 것이다.

• Journal of Electrical Engineering and Technology
• /
• 제9권3호
• /
• pp.1060-1071
• /
• 2014

Signals of the Electroencephalogram (EEG) can reflect the electrical background activity of the brain generated by the cerebral cortex nerve cells. This has been the mostly utilized signal, which helps in effective analysis of brain functions by supervised learning methods. In this paper, an approach for improving the accuracy of EEG signal classification is presented to detect epileptic seizures. Moreover, Independent Component Analysis (ICA) is incorporated as a preprocessing step and Short Time Fourier Transform (STFT) is used for denoising the signal adequately. Feature extraction of EEG signals is accomplished on the basis of three parameters namely, Standard Deviation, Correlation Dimension and Lyapunov Exponents. The Artificial Neural Network (ANN) is trained by incorporating Levenberg-Marquardt(LM) training algorithm into the backpropagation algorithm that results in high classification accuracy. Experimental results reveal that the methodology will improve the clinical service of the EEG recording and also provide better decision making in epileptic seizure detection than the existing techniques. The proposed EEG signal classification using feed forward Backpropagation Neural Network performs better than to the EEG signal classification using Adaptive Neuro Fuzzy Inference System (ANFIS) classifier in terms of accuracy, sensitivity, and specificity.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.79-86
• /
• 2005

본 논문에서는 실시간 얼굴인식 시스템을 위한 새로운 LINF(Linear Independent Non-negative Factorization) 알고리즘을 제안한다. 시스템은 크게 얼굴추출 부분과 얼굴인식 부분으로 구성 되어 있으며, 얼굴추출 부분에는 차영상, 눈과 입의 영역 검출 그리고 정규화 방법을 사용하였고, 얼굴인식 부분에는 추출된 얼굴 후보 영역 영상에 LINF 를 적용하였다. 기존의 PCA(Principal Component Analysis)만을 사용한 인식시스템은 낮은 인식률을 보였으며, LDA(Linear Discriminants Analysis)만을 사용한 인식시스템에서는 학습데이터의 수에 비하여 영상의 화소 개수가 많은 경우 LDA를 그대로 적용하기 곤란하였다. 이러한 단점을 극복하기 위하여, 본 논문에서 제안하는 시스템은 기존의 고유얼굴과 달리 비음수 값을 갖는 행렬로 차원을 축소하여 LDA를 적용하였다. 제안한 시스템의 성능을 평가하기 위하여 자체 제작한 DAUface 데이터베이스와 영국 Cambridge 에 있는 AT&T 연구소에서 제공하는 ORL 데이터베이스를 가지고 실험을 하였다. 실험 결과, 제안된 방법이 PCA 방법과 LDA 방법, ICA(Independent Component Analysis) 방법, 그리고 PLMA(PCA-based LDA mixture algorithm)에 비해 인식률이 상당히 우수함을 알 수 있었다.

• 대한전자공학회논문지SP
• /
• 제41권3호
• /
• pp.195-200
• /
• 2004

본 논문은 두 가지 비교 실험을 통하여 효과적 음성인식 시스템을 제안한다. 분별적 이진 패턴 분류기인 SVM(Support Vector Machines)은 특징 공간에서 비선형 경계를 찾아 분류하는 방법으로 적은 학습 데이터에서도 좋은 분류 성능을 나타낸다고 알려져 있다. 본 논문에서는 학습데이터 수에 따른 HMM(Hidden Markov Model)과 SVM의 인식 성능을 비교하고, 최적의 특징 파라메터를 선택하기 위해 SVM을 이용하여 주성분해석과 독립성분분석을 적용하여 MFCC(Mel Frequency Cepstrum Coefficient)의 특징 공간을 변화시키면서 각각의 인식 성능을 비교 검토하였다. 실험 결과 SVM은 HMM에 비해 적은 학습데이터에서도 높은 인식 성능을 보여주었고, 독립성분분석에 의한 특징 파라메터가 특징 공간상에서의 높은 선형 분별성에 의해 다른 특징 파라메터보다 인식 성능에서 우수함을 확인 할 수 있었다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.889-899
• /
• 2017

독립성분분석은 혼합된 신호에서 원신호들을 분리하기 위해서 사용되는 다변량 분석방법으로서, 블라인드 음원 분리 중 가장 널리 사용되는 방법이다. 독립성분분석은 주성분분석이나 요인분석과 같이 선형변환을 사용하지만, 원신호들의 통계적 독립과 비정규성 가정을 필요로 한다는 점에서 다르다. 설명되는 분산의 누적비율이 클수록 더 중요한 성분을 의미하게 되는 주성분분석과 달리, 독립성분분석에서는 독립성분들의 중요순서를 결정하는데 적절한 유일한 기준이 정해지지 않는다. 군집분석이나 차원축소된 그래프 작성 등과 같은 후속 연구를 진행하기 위해서는 일부의 주요 독립성분을 사용하게 되므로, 성분의 순서를 정하는 것은 의미가 있다. 본 연구에서는 성분의 순서를 결정하기 위한 몇 가지 기준의 성능을 비교하였다. 첨도와 첨도의 절댓값, 음의 엔트로피, 콜모고로프-스미르노프 통계량, 계수제곱합을 이용한 방법이 고려되었다. 이들은 알려진 그룹을 분류하는 능력을 기준으로 평가되었다. 두 가지 형태의 자료를 이용한 분석결과를 제시하였다.