• 한국지능시스템학회논문지
• /
• 제14권3호
• /
• pp.336-341
• /
• 2004

본 논문에서는 할선법의 고정점 알고리즘과 첨도를 조합한 독립성분분석을 제안하였다. 여기서 할선법의 고정점 알고리즘은 기존 뉴우턴법의 고정점 알고리즘에서 요구되는 복잡한 도함수의 계산과정을 간략화 함으로써 성분의 빠른 분석과 좀더 우수한 분석성능을 얻기 위함이고, 첨도는 유사한 속성을 가지는 성분의 군집화된 분석순서를 얻기 위함이다. 제안된 독립성분분석을 500개 샘플을 가지는 6개의 혼합신호와 $512{\times}512$ 픽셀을 가지는 8개의 혼합영상의 분리에 각각 적용하여 실험한 결과, 제안된 기법은 항상 일정한 분석순서를 유지하여 기존 할선법의 고정점 알고리즘에서 수행 때마다 랜덤하게 변하는 분석순서의 제약을 해결할 수 있었다. 특히 군집화의 속성을 가진 제안된 독립성분분석은 신호나 영상의 분류나 식별에도 적용할 수 있음을 확인하였다.

• 정보처리학회논문지B
• /
• 제11B권3호
• /
• pp.381-386
• /
• 2004

본 논문에서는 첨도가 추가된 뉴우턴법의 고정점 알고리즘에 의한 독립성분분석을 제안하였다. 여기서 첨도의 추가는 유사한 속성을 가지는 성분의 군집화된 분석순서를 얻기 위함이고, 뉴우턴법의 고정점 알고리즘은 성분의 빠른 분석과 우수한 분석성능을 얻기 위함이다. 제안된 독립성분분석을 500개 샘플을 가지는 6개의 혼합신호와 $512\times512$ 픽셀을 가지는 8개의 혼합영상의 분리에 각각 적용하여 실험한 결과, 제안된 기법은 항상 일정한 분석순서를 유지하여 기존의 기법에서 알고리즘의 수행 때마다 랜덤하게 변하는 분석순서의 제약을 해결할 수 있었다. 특히 군집화의 속성을 가진 제안된 독립성분분석은 신호나 영상의 분류나 식별에도 적용할 수 있음을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제9권1호
• /
• pp.159-166
• /
• 2009

이 논문에서는 다층퍼셉트론(MLP:Multilayer Perceptron)에서 입력에 잡음이 섞인 경우 출력노드의 확률밀도 함수를 유도하고, 이의 적분으로 잡음에 의하여 패턴이 오인식될 확률을 유도하였다. 그리고, 이를 향상시키는 선형적 방법을 제안하였다. 즉, 독립성분분석(ICA: independent component analysis)과 주성분분석(PCA: principle component analysis)를 적용하여, 이들이 지닌 잡음 처리 효과를 SNR(Signal-to-Noise Ratio) 관점에서 분석하였다. 그리고 이들이 잡음을 처리한 후 MLP에 입력 시 나타나는 잡음 강건성을 필기체 숫자 인식의 시뮬레이션으로 확인하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 춘계 종합학술대회 논문집
• /
• pp.381-384
• /
• 2006

본 논문에서는 독립성분분석(Independent Component Analysis, 이하 ICA)기법과 median에서의 GBD 알고리즘을 이용한 영상 분류 방법을 제안한다. 이 제시된 방법은 영상이 급격히 변화하는 부분의 정보를 잃지 않게 하면서 영상간의 거리를 측정할 수 있었다. 모의 실험 결과로부터 ICA는 K가 7에서 영상간의 상대적 식별이 불가능 하였지만, median에서는 K에 관계없이 영상간의 상대적 식별이 가능함을 모의 실험을 통하여 확인하였다.

• 한국정보통신학회논문지
• /
• 제24권2호
• /
• pp.192-197
• /
• 2020

대규모 발전소나 화학공정과 같은 다변량 공정은 매우 위험한 환경에서 운전되기 때문에 고장이 발생하면 심각한 인적·물적 손실이 발생할 수 있다. 따라서 시스템의 고장을 사전에 탐지할 수 있는 온라인 모니터링 기술이 필수적이다. 본 논문에서는 세 가지의 다른 다변량 공정 데이터에 ICA를 적용하여 고장탐지를 수행하였고, PCA와 성능을 비교하였다. ICA 기반의 고장탐지 절차는 크게 오프라인 과정과 온라인 과정으로 나뉜다. 오프라인 과정에서는 시스템이 정상일 때 계측된 데이터를 이용하여 고장판별을 위한 문턱 값을 설정한다. 그리고 온라인 과정에서는 실시간으로 계측되는 질의벡터에 대한 통계량을 계산한 후, 계산된 통계량과 사전에 정의된 문턱 값과 비교하여 고장을 판별한다. 본 논문에서 이용한 세 가지의 다변량 공정 데이터에 실험한 결과, ICA 기반 고장탐지 방법이 시스템의 고장을 사전에 탐지하였고, PCA 보다 우수한 고장탐지 성능을 보여주었다.

• Annals of Clinical Neurophysiology
• /
• 제3권1호
• /
• pp.26-30
• /
• 2001

Purpose : Eyeball movement is one of the main artifacts in EEG. A new approach to the removal of these artifacts is presented using independent component analysis(ICA). This technique is a signal-processing algorithm to separate independent sources from unknown mixed signals. This study was performed to show that ICA is a useful method for the separation of EEG components with little data deformity. Methods : 12 sets of 10 sec digital EEG data including eye opening and closure were obtained using international 10~20 system scalp electrodes. ICA with 18 tracings of double banana bipolar montage was performed. Among obtained 18 independent components, two components, which were thought to be eyeball movements were removed. Other 16 components were reconstructed into original bipolar montage. Power spectral analysis of EEGs before and after ICA was done and compared statistically. Total 12 pairs of data were compared by visual inspection and relative power comparison. Results : Waveforms of each pair looked alike by visual inspection. Means of relative power before and after ICA were 29.16% vs. 28.27%, 12.12% vs. 12.41%, 10.55% vs. 10.52%, and 19.33% vs. 18. 33% for alpha, beta, theta, and delta, respectively. These values were statistically same before and after ICA. Conclusions : We found little data deformity after ICA and it was possible to isolate eyeball movements in EEG recordings. Many other components of EEG could be selectively separated using ICA.

• 정보처리학회논문지B
• /
• 제11B권7호
• /
• pp.813-820
• /
• 2004

본 논문에서는 할선법에 기초한 고정점 알고리즘의 ICA를 이용하여 기하학적 변형에 강건한 디지털 영상의 워터마킹을 제안하였다. 석기서 할선법의 고정점 알고리즘은 빠르면서도 개선된 추출성능을 얻기 위함이고, ICA의 이용은 검출 및 추출 과정에서 워터마크의 위치나 크기 등과 원본 및 키 영상에 대한 사전 지식의 요구를 없애기 위함이다. 제안된 기법을 $256{\times}25$ 픽셀의 원 영상(레나), 키 영상, 그리고 문자 워터마크 및 가우스잡음 워터마크에 각각 적용한 결과, 뉴우턴법의 고정점 알고리즘 ICA 워터마킹보다 빠른 추출시간과 개선된 추출성능이 있음을 확인하였다. 또한 제안된 할선법의 고정점 알고리즘 ICA에 의한 워터마킹은 크기와 회전 및 자름과 같은 기하학적 변형에 견고한 성능이 있음을 확인하였다. 특히 영상들 상호 간에 상관성이 적은 가우스잡음 워터마크가 문자 워터마크에 비해 우수한 추출성능이 있음도 확인하였다. 한편 워터마크의 검출 및 추출과정에 원본 영상들에 대한 사전지식도 요구되지 않았다.

• 응용통계연구
• /
• 제19권1호
• /
• pp.135-148
• /
• 2006

독립성분분석은 차원이 높은 다변량데이타로부터 기저구조를 형성하는 독립성분을 분리하는데 사용되는 기법으로서 패턴인식, 예측 등 2차적 분석을 위한 1차 분석단계에서 사용할 수 있다. 본 연구에서는 독립성분분석을 이용하여 여러 혼합물 데이터로부터 독립성분을 분리한 다음 각 구성성분의 혼합비율을 예측하는 절차를 제안한다. 적용예로서 도금강판의 엑스선 회절강도값으로부터 여러가지 상을 분리한 다음 비음최소자승법을 이용하여 각 상의 분율을 예측하였으며, 이러한 제안방안의 타당성 평가를 위하여 모의 실험을 실시하였다.

• 한국컴퓨터산업학회논문지
• /
• 제5권2호
• /
• pp.269-274
• /
• 2004

기존 음성 인식의 실세계 적용에서 큰 문제점은 잡음이다. 본 논문에서는 잡음이 섞인 음성 신호로부터 잡음 성분을 분리해 내는 방법을 제안한다. 이 방법은 잡음이 섞인 음성 신호에 독립성분분석(ICA:Independent Component Analysis)을 사용한 암묵신호 분리(blind source separation)를 적용하여 잡음 성분을 제거하게 된다. 잡음이 혼합된 음성 신호에 독립성분분석을 전처리(preprocessing) 과정에 이용함으로써 인식성능을 향상시킬 수 있다. 깨끗한 음성 신호에 음악과 거리잡음을 섞었을 경우 인식률이 잡음 없는 음성의 인식률보다 각각 최대 14.98%, 13.78%까지 저하되었다. 그러나 독립성분분석으로 복원된 음성의 경우 잡음 없는 음성의 인식률 수준(각각 97.39%, 96.49%)으로 나타났으며, 독립성분분석을 이용한 음성의 잡음 제거가 인식률 향상에 좋은 결과를 가져옴을 확인 할 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제29권4호
• /
• pp.329-336
• /
• 2008

Recently, causality analysis of source time series extracted from EEG or MEG signals is becoming of great importance in human brain mapping studies and noninvasive diagnosis of various brain diseases. Two approaches have been widely used for the analyses: one is independent component analysis (ICA), and the other is multiple signal classification (MUSIC). To the best of our knowledge, however, any comparison studies to reveal the difference of the two approaches have not been reported. In the present study, we compared the performance of the two different techniques, ICA and MUSIC, especially focusing on how accurately they can estimate and separate various brain electrical signals such as linear, nonlinear, and chaotic signals without a priori knowledge. Results of the realistic simulation studies, adopting directed transfer function (DTF) and Granger causality (GC) as measures of the accurate extraction of source time series, demonstrated that the MUSIC-based approach is more reliable than the ICA-based approach.