• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2003년도 공동 춘계학술대회 논문집
• /
• pp.581-587
• /
• 2003

독립 요소 분석 (Independent Component Analysis: ICA)는 텍스처를 의미 있는 특징으로 변환하는 강인한 영상 필터를 생성하기 위한 확률적 방법이다. ICA는 고차통계적 특성을 사용하여 ICA 필터와 독립 요소를 동시에 학습한다. 제안한 분류 방법은 fast ICA 알고리즘을 사용하여 KOMPSAT 영상으로부터 ICA 필터를 생성한 다음, 필터에 의해 투영된 텍스처들의 특징들을 독립 평면상에서 무감독 방법으로 분류한다. KOMPSAT 영상은 텍스처 성분이 뚜렷하지 않는 영역이 존재하기 때문에 본 논문에서는 투영된 특징 값들과 윈도우 내의 정규화된 평균 화소값으로 특징 벡터를 재구성하였다. 분류 방법으로는 K-means 클러스터링을 적용하였다. 6.6m 해상도를 가진 KOMPSAT 흑백 영상에 대해 제안한 방법은 우수한 분류 성능을 보인다.

• 전자공학회논문지SC
• /
• 제44권2호
• /
• pp.10-17
• /
• 2007

의료용 초음파 시스템으로 혈류 속도를 측정할 때, 순수한 혈류 신호의 검출이 필요하다. 초음파 트랜스듀서를 통해 들어오는 반사 신호는 체세포 조직(tissue), 혈관 벽(blood wall), 적혈구(red blood cell), 잡음(noise) 등이 혼합된 신호이다. 혼합된 신호에서 체세포 조직과 혈관 벽 신호를 클러터(clutter)라고 한다. 본 논문에서는 ICA(independent component analysis)를 적용하여 클러터 신호와 잡음을 효과적으로 제거하는 방법을 제시하였다. Field II 초음파 시뮬레이션 프로그램을 이용하여 초음파 반사 신호를 생성하고, ICA를 사용하여 각 독립 신호들을 분리, 클러터 신호를 제거하여 혈류 신호를 추출했다. 추출전 혈류신호를 2D 자기상관(autocorrelation) 방법으로 혈류 속도를 측정했다. 그리고 PCA(principal component analysis)방법을 적용한 고유 필터(autocorrelation) 방법으로 클러터를 제거한 결과와 비교하였다. 그 결과 잡음 환경에서의 혈류 속도 측정에 ICA 방법이 우수한 적용 결과를 보였다.

• 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.

• ETRI Journal
• /
• 제30권6호
• /
• pp.868-870
• /
• 2008

The rotation-based transformation (RBT) for privacy preserving data mining is vulnerable to the independent component analysis (ICA) attack. This paper introduces a modified multiple-rotation-based transformation technique for special mining applications, mitigating the ICA attack while maintaining the advantages of the RBT.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1568-1572
• /
• 2004

This paper proposes a new online calibration algorithm for the array antenna system. As you know, the several previous calibration methods for the mutual coupling did not estimate but measure mutual coupling effect at the real or test-bed system directly. Therefore we suggest some idea to compensate the calibration errors due to mutual coupling effect and mismatch in cables and electronic modules without the off-line calibration. In this work, we can calibrate the array antenna system under the operation of the system using Independent Component Analysis(ICA). This is what is called an online calibration. As you know, the ICA method has permutation and scaling problems. However, we solve problems of the ICA method and apply it to the calibration of an array antenna. The method simultaneously estimates the DOA(Direction of Arrival) of the signals, and calibrates the array for that specific angle. The proposed algorithm is evaluated by computer simulation and its behavior is illustrated by a numerical example.

• 대한의용생체공학회:의공학회지
• /
• 제29권5호
• /
• pp.355-363
• /
• 2008

In order to extract only the alpha activity related signals from EEG recordings, we have applied Constrained Independent Component Analysis (cICA), a new extension of ICA in which some a priori knowledge of the alpha activity is utilized to extract only desired components. Its extraction (or filtering) performance has been compared to that of the conventional band-pass filtering via the scalp alpha power maps and cortical source maps of the alpha activity. Our results demonstrate that the alpha power maps and cortical source maps from the cICA-extracted alpha signals reveal more focalized alpha generating regions of the brain than those from the band-pass filtered alpha EEG signals. Furthermore they match more closely the activated regions of the brain mapped using fMRI, validating our results. We believe that the cICA-based filtering approach of EEG signals is a more effective means of extracting a specific brain activity reflected in EEG signals that will result in more accurate source localization or imaging maps.

• 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.

• 한국음향학회지
• /
• 제22권6호
• /
• pp.452-456
• /
• 2003

본 논문은 화자 적응시 화자 독립 모델의 차수를 줄이고 MLLR (Maximum Likelihood Linear Regression) 알고리즘에서 요구되는 역행렬 횟수를 줄이는 방법을 제안한다. 주성분분석 (PCA: principal components analysis)과 독립성분분석 (ICA: independent components analysis)을 통해 모델 혼합성분 (mixture component)들간의 상관관계를 줄임으로서 모델의 차수를 감소하였다. 주성분분석 및 독립성분분석에 요구되는 추가 연산량은 화자 독립 모델을 훈련할 때 추가함으로써 화자 적응시에 추가되는 연산량은 극히 미소하다. 36차의 HMM 파라메타 차수를 PCA는 12차, ICA는 10차로 감소하였을 때 기존의 MLLR 적응방법과 유사한 단어 인식률을 나타내었다. 즉, 모델 파라미터의 차수를 n이라고 할 때 기존의 MLLR알고리즘에서 역행열 연산에서 요구되는 연산량은 O(n⁴)에 비례하므로 PCA는 1/81, ICA는 1/167만큼 연산량을 감소하였다.

• 한국콘텐츠학회논문지
• /
• 제9권4호
• /
• pp.121-130
• /
• 2009

이 논문은 고차원의 데이터를 저 차원으로 줄이는 방법 중 하나인 특징추출에 대한 방법들의 특성을 비교한다. 비교대상 방법은 전통적인 PCA(Principal Component Analysis)방법과 시각피질의 특성을 보인다고 알려진 ICA(Independent Component Analysis), 국소기반인식을 구현한 NMF(Non-negative Matrix Factorization), 그리고 이의 성능을 개선한 sNMF(Sparse NMF)로 정하였다. 추출된 특징들의 특성을 시각적으로 확인하기 위하여 필기체 숫자 영상을 대상으로 특징추출을 수행하였으며, 인식기에 적용한 효과의 확인을 위하여 추출된 특징을 다층퍼셉트론에 학습시켜보았다. 각 방법의 특성을 비교한 결과는 응용하고자 하는 문제에서 어떤 특징을 추출하기 원하느냐에 따라 특징추출 방법을 선정할 때 유용할 것이다.

• 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.