• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권4호
• /
• pp.248-257
• /
• 2002

군집화는 객체들의 특성을 분석하여 유사한 성질을 갖고 있는 객체들을 동일한 집단으로 분류하는 방법이다. 전자 상거래 자료처럼 차원 수가 많고 누락 값이 많은 자료의 경우 입력 자료의 차원축약, 잡음제거를 목적으로 SVD를 사용하여 군집화를 수행하는 것이 효과적이지만, SVD를 통해 변환된 자료는 원래의 속성 정보를 상실하기 때문에 군집 결과분석에서 원본 속성의 가치 해석이 어렵다. 따라서 본 연구는 군집화 수행 후 엔트로피 가중치 및 SVD를 이용하여 군집의 중요한 속성을 발견하기 위한 군집 특징 선택 기법 ENTROPY-SVD를 제안한다. ENTROPY-SVD는 자료의 속성들과 유사객체 군과의 묵시적인 은닉 구조를 활용하기 위하여 SVD를 이용하고 유사객체 군에 포함된 응집도가 높은 속성들을 발견하기 위하여 엔트로피 가중치를 사용한다. 또한 ENTROPY-SVD를 적용한 모델 기반의 협력적 여과기법의 추천 시스템 CFS-CF를 제안하고 그 효용성 및 효과를 평가한다.

• 전자공학회논문지
• /
• 제50권3호
• /
• pp.212-218
• /
• 2013

본 논문에서는 SAR (Synthetic Aperture Radar) 영상에 SVD (Singular Value Decomposition) - Pseudo Spectrum 알고리즘을 적용하고 그 성능을 기존 알고리즘과 비교한다. 이 논문의 목적은 SAR 영상의 해상도 및 목표물 분해능을 높이고자 하는 것이다. 본 논문에서는 신호 성분으로 이루어진 Hankel Matrix와 SVD (Singular Value Decomposition) 방법을 사용하여 잡음에 강인하고 sidelobe이 적으며 스펙트럼 추정에서 해상도를 높인 SVD-Pseudo Spectrum 방법을 제안하였다. 또한 분해될 목표물을 모델링하여 알고리즘의 성능을 분석하고 SVD-Pseudo Spectrum 방법이 기존의 퓨리에 변환 기반 방법과 고해상도 기술 기반의 MUSIC 방법보다 더 좋은 성능을 가짐을 보인다.

• Journal of Information Processing Systems
• /
• 제13권6호
• /
• pp.1585-1601
• /
• 2017

With the rapid development of computer technologies, a number of image modification methods have emerged, which have great impacts on the security of image information. Therefore, it is necessary to protect the integrity and authenticity of digital images, and digital watermarking technique consequently becomes a research hotspot. An effort is made to survey and analyze advancements of image watermarking algorithms based on singular value decomposition (SVD) in recent years. In the first part, an overview of watermarking techniques is presented and then mathematical theory of SVD is given. Besides, SVD watermarking model, features, and evaluation indexes are demonstrated. Various SVD-based watermarking algorithms, as well as hybrid watermarking algorithms based on SVD and other transforms for copyright protection, tamper detection, location, and recovery are reviewed in the last part.

• 방송공학회논문지
• /
• 제21권2호
• /
• pp.149-156
• /
• 2016

우리는 컨텐츠 복제방지를 위하여 기존의 SVD와 DWT/RDWT를 결합한 워터마킹 시스템에 특이벡터를 추가로 사용하는 방안을 제안하였다. 우리는 SVD를 사용하는 워터마킹 시스템에 존재하는 오류긍정문제(false-positive problem)를 극복하기 위하여 기존의 SVD기반 알고리즘과 같이 특이값에 워트마크를 임베딩할 뿐만 아니라, 커버이미지의 첫 번째 좌/우 특이벡터를 워터마크 이미지의 첫번째 좌/우 특이벡터와 교체하였다. 제안 방안은 오류긍정문제 (false-positive problem)가 발생하지 않는 워터마킹 시스템을 구현할 수 있었으며, 기존의 오류긍정문제가 없는 시스템과 비교하여 우수한 충실성과 강인성을 보여 주었을 뿐만 아니라, 오류긍정문제가 발생하는 시스템에 비해서도 크게 성능차이가 나지 않음을 보여 주었다.

• 한국정밀공학회지
• /
• 제16권2호통권95호
• /
• pp.116-122
• /
• 1999

저차 동적계(특히 카오스계)에서 측정한 시계열의 잡음을 제거하기 위해서 SVD(Singular Value Decomposotion)을 이용한 새로운 간편하고 매우 효과적인 새로운 잡음 제거법이 소개되었다. 이 방법은 위상궤적(phase portraint)을 재구성하는데 중점을 두었으며, 궤적행렬(trajectory matrix)을 구성하는데 그 기본을 두었다. 이 궤적행렬에 SVD를 반복적으로 사용하여 신호와 잡음을 분리하였다. 이 방법은 Duffing계에서 측정한 잡음이 섞인 카오스 신호에 적용되었으며, 또한 실험에 의한 진폭변조된 신호에도 적용되었다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.165-170
• /
• 2013

2차원 영상으로부터 3차원 모델을 형성할 때, 계산량을 줄이거나 비선형 알고리즘의 초기화를 위해서 선형 알고리즘이 종종 사용된다. 하지만 기존의 선형 알고리즘은 표면적으로는 선형구조의 형태를 갖지만, 실제적으로는 SVD (Singular Value Decomposition)을 사용하여 문제를 풀어야 하는데, 이 SVD 역시 초기화를 필요로 하는 수치해석 알고리즘을 통해 구현된다. 또한 SVD 분해를 사용하는 형태의 해는 닫힌 형태의 해 보다 분석이 어렵다. 이러한 기존 방법의 사용이 불편한 수치해석적인 알고리즘을 피하고, 해의 분석이 편리하도록 본 논문에서는 닫힌 형태의 해석적인 해를 제공하는 편리한 선형방법을 제안한다.

• 한국산학기술학회논문지
• /
• 제16권12호
• /
• pp.8455-8461
• /
• 2015

본 논문에서는 라만 스펙트럼의 고속 탐색을 위해 특이값 분해(SVD, Singular Value Decomposition)를 이용한 새로운 탐색 알고리즘들을 제안한다. 제안 알고리즘에서는 SVD를 통해 얻은 특이벡터를 중요도에 따라 선별하여 실험에 사용함으로써 계산량 단축을 도모한다. 파일럿 테스트(Pilot test)를 수행하여 일부 데이터들을 미리 탐색 대상에서 제외시키고 부분탐색법(PDS, Partial Distance Search)을 적용하여 탐색을 수행함으로써 큰 폭으로 계산량을 감소시킨다. 실험에 사용한 데이터베이스는 총 14,032종의 화학 물질 라만 스펙트럼으로 구성하였으며, 기존의 탐색 방법인 전체탐색법(Full Search), PDS와 평균피라미드탐색법(MPS, Mean Pyramid Search)를 1차원공간상의 신호에 적용하기 적절하게 변형한 1DMPS에 PDS를 적용한 실험(1DMPS+PDS), 데이터의 분산을 내림차순 정렬하여 !DMPS와 PDS를 적용한 실험(1DMPS Sort with Variance+PDS), 데이터의 250차원 성분만 SVD 변환하여 PDS를 적용한 실험(250SVD+PDS), 그리고 제안 알고리즘 PSP(Partial SVD with PDS)와 PSSP(Partial SVD with Sorted Pilot test)을 적용한 실험을 비교 분석하였다. 각 알고리즘의 성능은 곱셈 및 덧셈의 연산량 비교를 통해 이루어졌는데, 실험 결과에 따르면 250SVD+PDS에 비해 제안알고리즘 PSP는 15.7%, PSSP에서는 64.8%의 계산량 감소를 확인하였다.

• 대한의생명과학회지
• /
• 제11권2호
• /
• pp.129-134
• /
• 2005

Three different deconvolution techniques for quantifying cerebral blood flow (CBF) from whole brain $T2^{\ast}-weighted$ bolus tracking images were implemented (parametric Fourier transform P-FT, parametric single value decomposition P-SVD and nonparametric single value decomposition NP-SVD). The techniques were tested on 206 regions from 38 hyperacute stroke patients. In the P-FT and P-SVD techniques, the tissue and arterial concentration time curves were fit to a gamma variate function and the resulting CBF values correlated very well $(CBF_{P-FT}\;=\;1.02{\cdot}CBF_{p-SVD},\;r^2\;=\;0.96)$. The NP-SVD CBF values correlated well with the P-FT CBF values only when a sufficient number of time series volumes were acquired to minimize tracer time curve truncation $(CBF_{P-FT}\;=\;0.92{\cdot}CBF_{NP-SVD},\;r^2\;=\;0.88)$. The correlation between the fitted CBV and the unfitted CBV values was also maximized in regions with minimal tracer time curve truncation $(CBV_{fit}\;=\;1.00{\cdot}CBV_{ Unfit},\;^r^2\;=\;0.89)$. When a sufficient number of time series volumes could not be acquired (due to scanner limitations) to avoid tracer time curve truncation, the P-FT and P-SVD techniques gave more reliable estimates of CBF than the NP-SVD technique.

• Bulletin of the Korean Chemical Society
• /
• 제24권7호
• /
• pp.971-974
• /
• 2003

By utilizing singular value decomposition (SVD) and shift averaged Harr wavelet transform (WT) with a set of Daubechies wavelet coefficients (1/2, -1/2), a method that can simultaneously eliminate an unwanted large solvent peak and noise peaks from NMR data has been developed. Noise elimination was accomplished by shift-averaging the time domain NMR data after a large solvent peak was suppressed by SVD. The algorithms took advantage of the WT, giving excellent results for the noise elimination in the Gaussian type NMR spectral lines of NMR data pretreated with SVD, providing superb results in the adjustment of phase and magnitude of the spectrum. SVD and shift averaged Haar wavelet methods were quantitatively evaluated in terms of threshold values and signal to noise (S/N) ratio values.

• 한국자기공명학회논문지
• /
• 제4권2호
• /
• pp.116-124
• /
• 2000

Singular value decomposition (SVD) has been used during past few decades in the advanced NMR data processing and in many applicable areas. A new modified SVD, piecewise polynomial truncated SVD (PPTSVD) was developed far the large solvent peak suppression and noise elimination in U signal processing. PPTSVD consists of two algorithms of truncated SVD (TSVD) and L$_1$ problems. In TSVD, some unwanted large solvent peaks and noises are suppressed with a certain son threshold value while signal and noise in raw data are resolved and eliminated out in L$_1$ problem routine. The advantage of the current PPTSVD method compared to many SVD methods is to give the better S/N ratio in spectrum, and less time consuming job that can be applicable to multidimensional NMR data processing.