• Journal of information and communication convergence engineering
• /
• 제9권2호
• /
• pp.220-223
• /
• 2011

Respiration signal of the vital signs is an important parameter in clinical parts. To extract the respiration signal from PPG signal for mobile healthcare system is difficult because the bands of the motion artifacts and respiration in the frequency domain are overlapped. This study to improve this problem suggested a respiration extraction method using the independent component analysis and evaluated its performances. In results of evaluation, the ICA method showed better performance than LPF suggested recently.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.505-507
• /
• 2002

본 논문에서는 그레이 블록 거리알고리즘(grey block algorithms, 이하 GBD)을 이용하여 독립성분분석(independent component analysis; 이하 ICA) 및 첨도(Kurtosis)에서의 영상간의 거리를 측정하여, 어느 정도 영상간의 상대적 식별을 용이하게 하여 영상 분류가 되는지 모의 실험을 통하여 확인하고자 한다. 모의 실험 결과로부터, ICA에서는 k는 8까지 상대적 식별이 되어 영상 분류가 되었고, 첨도에서는 영상간의 상대적 식별을 k가 4까지만 블록을 분할 할 수 있었다.

• 대한의용생체공학회:의공학회지
• /
• 제28권1호
• /
• pp.17-23
• /
• 2007

Long-term potentiation (LTP) of synaptic transmission is the most widely studied model for learning and memory. However its mechanisms are not clearly elucidated and are a subject for intense investigation. Previous attempts to decipher cellular mechanisms and network properties involved a current-source density analysis (CSDA) of the LTP from small animal hippocampus measured with a limited number of microelectrodes (typically <3), only revealing limited nature of spatiotemporal dynamics. Recent advancement in multi-electrode array (MEA) technology allows continuous and simultaneous recordings of LTP with more than 60 electrodes. However CSDA via the standard Laplacian transform is still limited due to its relatively high sensitivity toward noise, inability of resolving overlapped current sources and sinks, and its requirement for tissue conductivity values. In this study, we propose a new methodology for improved CSDA. Independent component analysis and its joint use (i.e., Joint-ICA) are applied to extract spatiotemporal components of LTP. The results show that ICA and Joint-ICA are capable of extracting independent spatiotemporal components of LTP generators. The ICs of LTP indicate the reversing roles of current sources and sinks which are associated with LTP.

• 한국정보통신학회논문지
• /
• 제13권8호
• /
• pp.1679-1686
• /
• 2009

후각 정보의 실감성을 높일 수 있는 멀티미디어 통신 시스템에서 후각정보 전달을 위한 오더(odor) 센싱 시스템 및 관련 신호 처리 기술 개발은 차세대 멀티미디어 산업을 위한 핵심 과제로 떠오르고 있다. 오더 센싱 시스템의 성능 측정에 전통적으로 많이 사용된 방법은 주성분분석(PCA)이다. PCA는 분산에 기반한 도구로서 많은 경우 잘 동작한다. 그러나 오더 센싱 측정 데이터에 대해서는 의미 있는 값을 표시하는 것에 한계가 있다. 이 논문은 독립성분분석(ICA)을 사용하여 오더 센싱 데이터를 분석하는 방법을 설명한다. PCA와 ICA의 차이를 실질적인 측정데이터를 사용하여 비교하도록 한다. 실험을 통해 ICA가 개선된 변별력으로 센서의 경향 분석, 차원축소, 보다 적합한 데이터 표현 등에 있어 PCA보다 나은 결과를 도출함을 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.739-741
• /
• 2003

Electroencephalogram (EEG)-based brain computer interface (BCI) provides a new communication channel between human brain and computer. EEG is very noisy data and contains artifacts, thus the extraction of features that are robust to noise and artifacts is important. In this paper we present a method with employ both independent component analysis (ICA) and oriented principal component analysis (OPCA) for artifact-robust feature extraction.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권2호
• /
• pp.131-135
• /
• 2005

This paper proposes an efficient face recognition using independent component analysis(ICA) derived from the fixed point(FP) algorithm based on secant method. The secant method can exclude the complex computation of differential process from the FP based on Newton method. The proposed ICA has been applied to recognize the 20 Yale face images of $324\times324$ pixels. The experimental results show that the proposed ICA is superior to PCA not only in the restoration performance of basis images but also in the recognition performance of the trained images and the test images. Then negative angle as similarity measures has better recognition ratio than city-block and Euclidean.

• 전기전자학회논문지
• /
• 제2권1호
• /
• pp.24-33
• /
• 1998

Independent Component analysis (ICA) is a new statistical method for extracting statistically independent components from their linear instantaneous mixtures which are generated by an unknown linear generative model. The recognition model is learned in unsupervised manner so that the recovered signals by the recognition model become the possibly scaled estimates of original source signals. This paper addresses the neural learning approach to ICA. As recognition models a linear feedforward network and a linear feedback network are considered. Associated learning algorithms for both networks are derived from maximum likelihood and information-theoretic approaches, using natural Riemannian gradient [1]. Theoretical results are confirmed by extensive computer simulations.

• 한국정보통신학회논문지
• /
• 제10권4호
• /
• pp.687-692
• /
• 2006

기존의 독립 요소 방법에 의한 얼굴인식에서는 주 요소 해석법으로 고유치 크기에 의해 특징을 추출하고 감소된 차원에서 특징 개선을 위한 독립 요소 해석법의 학습을 수행한다. 제거된 특징 공간 내에 필요한 요소가 있는 경우를 고려하지 못한 것이다. 새로운 방법은 독립 요소 해석에 의한 학습을 먼저 시행하고 분리된 데이터를 4차 중심 모멘트에 의한 축적 계수(cumulant)인 커토시스(kurtosis)의 절대값 크기에 의하여 특징을 추출한다. 하지만 독립 요소 방법은 효과적으로 노이즈를 제거하지 못한다. 두 방법의 결합효과는 주 요소 해석법을 노이즈 필터로 사용 할 때 극대화 될 수 있다. 즉 주 요소 해석법을 백색화와 노이즈 필터로 하고 독립 요소 해석법을 특징 추출 방법으로 사용하는 것이다. 실험 결과는 새로운 방법론이 기존의 방법론보다 우수함을 보여준다.

• 정보처리학회논문지B
• /
• 제13B권1호
• /
• pp.27-34
• /
• 2006

본 연구에서는 엔트로피를 이용한 독립성분분석(ICA : Independent Component Analysis)에서 점수함수(score function)를 생성하는 알고리즘을 제안한다. 점수함수를 생성하기 위해서 원 신호(original signals)에 대한 확률밀도함수의 추정이 반드시 필요하고 밀도함수가 미분 가능해야 한다. 따라서 원 신호에 따른 적응적인 점수 함수를 유도할 수 있도록 커널 기반의 밀도추정(kernel density estimation)방법을 사용하였으며, 보다 빠른 밀도 추정 계산을 위해서 식의 형태를 컨볼루션(convolution) 변환 한 후, 컨볼루션을 빠르게 계산할 수 있는 FFT(Fast Fourier Transform) 알고리즘을 이용하였다. 제안한 점수함수 생성 방법은 원 신호에 확률밀도분포와 추정된 신호의 확률밀도 분포의 오차를 줄이는 역할을 한다 실험 결과, 암묵신호분리(blind source separation)문제에서 기존의 Extended Infomax 알고리즘과 Fixed Point ICA 보다 원 신호와 유사한 밀도함수를 추정하였고, 분리된 신호의 신호대잡음비등(SNR)에 있어서 향상된 성능을 얻을 수 있었다.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.515-520
• /
• 2012

In brain computer interface (BCI) system, the most important part is classification of human thoughts in order to translate into commands. The more accuracy result in classification the system gets, the more effective BCI system is. To increase the quality of BCI system, we proposed to reduce noise and artifact from the recording data to analyzing data. We used auditory stimuli instead of visual ones to eliminate the eye movement, unwanted visual activation, gaze control. We applied independent component analysis (ICA) algorithm to purify the sources which constructed the raw signals. One of the most famous spatial filter in BCI context is common spatial patterns (CSP), which maximize one class while minimize the other by using covariance matrix. ICA and CSP also do the filter job, as a raw filter and refinement, which increase the classification result of linear discriminant analysis (LDA).