• 한국산학기술학회논문지
• /
• 제13권8호
• /
• pp.3779-3784
• /
• 2012

산업체 공정의 실시간 공정 모니터링과 진단은 생산 제품의 품질과 안전을 보장하는데 반드시 필요한 활동들의 하나이다. 그중에서 공정 진단은 공정에 발생된 특정 이상상황의 원인을 밝혀내는 것으로서 조업자들이 이상상황의 근본원인을 보다 효과적으로 도출하는데 도움을 줄 수 있다. 본 논문에서는 비선형 KFDA 기법과 데이터 전처리기법을 이용한 이상원인 진단방법을 적용하고 이의 진단 성능을 기존 선형 기법에 기반한 PCA 진단방법과 비교한다. 실제 공정을 모사한 Tennessee Eastman 공정 시뮬레이터의 공정 데이터를 통한 사례연구를 수행한 결과 기존 선형 진단 방법론 대비 신뢰할 수 있는 진단 결과를 얻을 수 있었다.

• 산업공학
• /
• 제24권1호
• /
• pp.8-14
• /
• 2011

Principal Component Analysis (PCA) reduces the dimensionality of the process by creating a new set of variables, Principal components (PCs), which attempt to reflect the true underlying process dimension. However, for highly nonlinear processes, this form of monitoring may not be efficient since the process dimensionality can't be represented by a small number of PCs. Examples include the process of semiconductors, pharmaceuticals and chemicals. Nonlinear correlated process variables can be reduced to a set of nonlinear principal components, through the application of Kernel Principal Component Analysis (KPCA). Support Vector Data Description (SVDD) which has roots in a supervised learning theory is a training algorithm based on structural risk minimization. Its control limit does not depend on the distribution, but adapts to the real data. So, in this paper proposes a non-linear process monitoring technique based on supervised learning methods and KPCA. Through simulated examples, it has been shown that the proposed monitoring chart is more effective than $T^2$ chart for nonlinear processes.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2129-2147
• /
• 2019

This paper introduces an adaptive face recognition method based on a Novel Incremental Kernel Nonparametric Discriminant Analysis (IKNDA) that is able to learn through time. More precisely, the IKNDA has the advantage of incrementally reducing data dimension, in a discriminative manner, as new samples are added asynchronously. Thus, it handles dynamic and large data in a better way. In order to perform face recognition effectively, we combine the Gabor features and the ordinal measures to extract the facial features that are coded across local parts, as visual primitives. The variegated ordinal measures are extraught from Gabor filtering responses. Then, the histogram of these primitives, across a variety of facial zones, is intermingled to procure a feature vector. This latter's dimension is slimmed down using PCA. Finally, the latter is treated as a facial vector input for the advanced IKNDA. A comparative evaluation of the IKNDA is performed for face recognition, besides, for other classification endeavors, in a decontextualized evaluation schemes. In such a scheme, we compare the IKNDA model to some relevant state-of-the-art incremental and batch discriminant models. Experimental results show that the IKNDA outperforms these discriminant models and is better tool to improve face recognition performance.

• 융합신호처리학회논문지
• /
• 제8권1호
• /
• pp.63-72
• /
• 2007

최근 감염성폐기물에 의한 감염성에 대한 위험을 인식함에 따라 감염성폐기물의 관리 및 처리에 관한 문제점들이 사회적으로 부각되고 있다. 이에 본 논문에서는 차세대 핵심 기술인 RFID 기술을 이용하여 감염성폐기물의 발생원에서부터 처리장까지 일련의 과정을 실시간으로 모니터링이 가능하게 함으로써 감염성 폐기물의 비효율적인 처리로 인한 2차 감염 등의 문제를 해결하고자 하였다. 본 논문에서 제안하는 연구를 통해 기존의 현장 관리담당자에 의한 서면작성이나 웹 어플리케이션을 통해 처리되는 전산입력과 같은 관리방식에서 나타나는 오 기재 및 입력오류 등에 대한 문제점은 RFID 태그에 각 절차적 업무사항 저장하도록 하여 모니터링 함으로써 실시간으로 관리 현황을 파악할 수 있다. 그리고 개인인증을 위한 생체정보는 PCA 알고리즘으로 계산된 특징벡터를 인증용 태그 내에 저장하여 인증이 수행되도록 하였다. 이는 작업자가 폐기물을 취급 주의를 줌으로써 이전보다 체계적이면서 안전한 관리방안을 제안하였다고 하겠다.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1333-1342
• /
• 2018

지금까지 뇌파(Electroencephalography - EEG)는 뇌전증 진단 및 치료를 위한 가장 중요하고 편리한 방법이었다. 그러나 뇌전증 뇌파 신호의 파형 특성은 매우 약하고 비 정지 상태이며 배경 노이즈가 강하기 때문에 식별하기가 어렵다. 이 논문에서는 간질 뇌파의 특징 선택을 통한 차원 감소를 통한 분류 방법의 효과를 분석한다. 우리는 차원 감소를 위해 주 요소 분석, 커널 요소 분석, 선형 판별 분석 방법을 사용하였다. 차원 감소방법의 성능 분석을 위해 Support Vector Machine: SVM), Logistic Regression(: LR), K-Nearestneighbor(: K-NN), Decision Tree(: DR), Random Forest(: RF) 분류 방법들을 사용해 평가하였다. 실험 결과에 따르면, PCA는 SVM, LR 및 K-NN에서 75% 정확도를 나타냈다. KPCA는 SVM과 K-KNN에서 85%의 성능을 보였으며 LDA는 K-NN를 이용했을 때 100 %의 정확도 보여주었다. 따라서 LDA를 이용한 차원 감소가 뇌전증 EEG 신호에 대한 최고의 분류 결과 보여주었다.

• 한국식품저장유통학회지
• /
• 제30권4호
• /
• pp.602-616
• /
• 2023

Fifteen types of rice collected from Kurdistan region-Iraq were investigated by principal component analysis (PCA) in terms of physical properties and cooking characteristics. The dimensions of evaluated grains correspond to 5.05-8.75 mm for length, 1.54-2.47 mm for width, and 1.37-1.95 for thickness. The equivalent diameter was in the range of 5.23-10.03 mm, and the area took 13.30-28.25 mm². The sphericity analysis values varied from 0.32 to 0.56, the aspect ratio from 0.17 to 0.39, and the volume of the grain was measured in the range from 4.48 to 17.74 mm³, hectoliter weight values were 730-820 kg/m³, and true density from 0.6 to 0.96 g/cm³. The broken grain ratio was 1.5-18.3%, thousand kernel weight corresponded to 15.88 to 22.42 g. The water uptake ratios for 30 min of soaking were increased at 60℃ compared to 30 and 45℃. The PCA was used to study the correlation of the most effective factors. Results of PCA showed that the first (PC1) and second (PC2) components retained 63.4% and 34.8% of the total variance, which PC1 was mostly related to hectoliter, broken ratio, and moisture content characteristics while PC2 was mostly concerned with hardness and true density. For cooking properties, the PC1 and PC2 retained 88.5% and 9.3% of the total variance, respectively. PC1 was mostly related to viscosity, spring value, and hardness after cooking, while PC2 was mostly concerned with spring value, hardness before cooking, and hardness after cooking.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.298-300
• /
• 2006

정보화 사회의 진행과 더불어 최근 스마트카드(smart card) 시스템을 비롯한 임베디드(embedded) 시스템의 사용이 활발해 짐에 따라 위/변조나 도용에 강건한 인증 시스템의 필요성이 그 어느 때 보다도 높아지고 있다. 그러나 카드 내부의 메모리 크기 및 프로세스의 처리 능력은 매우 제한적이어서 일반 컴퓨터 환경에서의 인증 알고리즘이 수행되지 않을 수 있다. 따라서 적은 메모리와 제한적 처리 능력 하에서 동작 가능한 생체인중 알고리즘의 개발이 필요하다. 본 논문에서는 임베디드 생체인식 시스템을 위한 특징(feature) 추출을 위한 새로운 기법을 제안하였다. 제안된 기법은 다음과 같은 의미를 가진다. 첫째 비선형 자료의 특징 추출 성능에서는 제안된 방법이 기존의 Kernel PCA와 유사한 성능을 나타내었다. 둘째 기존의 비선형 추출 기법에 비해 메모리 사용면에서 효율적이다. 특히 제안된 방법은 학습 자료의 개수 N이 클 경우에는 매우 유용하다.

• Journal of Information Processing Systems
• /
• 제1권1호
• /
• pp.9-13
• /
• 2005

Computer security has become a critical issue with the rapid development of business and other transaction systems over the Internet. The application of artificial intelligence, machine learning and data mining techniques to intrusion detection systems has been increasing recently. But most research is focused on improving the classification performance of a classifier. Selecting important features from input data leads to simplification of the problem, and faster and more accurate detection rates. Thus selecting important features is an important issue in intrusion detection. Another issue in intrusion detection is that most of the intrusion detection systems are performed by off-line and it is not a suitable method for a real-time intrusion detection system. In this paper, we develop the real-time intrusion detection system, which combines an on-line feature extraction method with the Least Squares Support Vector Machine classifier. Applying the proposed system to KDD CUP 99 data, experimental results show that it has a remarkable feature extraction and classification performance compared to existing off-line intrusion detection systems.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.694-698
• /
• 2008

In hydrology, it is a difficult task to deal with multivariate time series such as modeling streamflows of an entire complex river system. Normal distribution based model such as MARMA (Multivariate Autorgressive Moving average) has been a major approach for modeling the multivariate time series. There are some limitations for the normal based models. One of them might be the unfavorable data-transformation forcing that the data follow the normal distribution. Furthermore, the high dimension multivariate model requires the very large parameter matrix. As an alternative, one might be decomposing the multivariate data into independent components and modeling it individually. In 1985, Lins used Principal Component Analysis (PCA). The five scores, the decomposed data from the original data, were taken and were formulated individually. The one of the five scores were modeled with AR-2 while the others are modeled with AR-1 model. From the time series analysis using the scores of the five components, he noted "principal component time series might provide a relatively simple and meaningful alternative to conventional large MARMA models". This study is inspired from the researcher's quote to develop a multivariate simulation model. The multivariate simulation model is suggested here using Principal Component Analysis (PCA) and Independent Component Analysis (ICA). Three modeling step is applied for simulation. (1) PCA is used to decompose the correlated multivariate data into the uncorrelated data while ICA decomposes the data into independent components. Here, the autocorrelation structure of the decomposed data is still dominant, which is inherited from the data of the original domain. (2) Each component is resampled by block bootstrapping or K-nearest neighbor. (3) The resampled components bring back to original domain. From using the suggested approach one might expect that a) the simulated data are different with the historical data, b) no data transformation is required (in case of ICA), c) a complex system can be decomposed into independent component and modeled individually. The model with PCA and ICA are compared with the various statistics such as the basic statistics (mean, standard deviation, skewness, autocorrelation), and reservoir-related statistics, kernel density estimate.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권2호
• /
• pp.11-20
• /
• 2018

우리는 유체의 얇은 막을 명시적으로 표현하고 보존할 수 있는 CPU-GPU 이기종 컴퓨팅 기반의 유체 시뮬레이션 기법을 소개한다. 본 논문에서 가장 큰 기여는 얇은 유체표면에서 쪼개지거나 밀도가 높은 지점에서 붕괴되어 유체표면에 나타나는 Hole을 방지하는 입자 기반 프레임워크를 GPU를 활용한다는 것이다. 유체표면을 추적하는 기존의 방법과는 달리, 제안된 프레임워크는 CPU-GPU 프레임워크상에서 수치적 확산이나 꼬임문제 없이 안정적으로 토폴로지 변화를 처리할 수 있다. 얇은 표면의 특징은 이방성 커널(Anisotropic kernel)과 주성분 분석(Principal component analysis; PCA)을 GPU상에서 수행하여 유체의 방향성을 빠르게 찾고, 새로운 유체입자의 위치를 결정하기 위해 계산하는, 후보위치 추출 과정의 효율성을 CPU-GPU 이기종 컴퓨팅 기술 기반으로 빠르게 계산한다. 제안된 알고리즘은 직관적으로 구현되며, 병렬화가 쉽고 시각적으로 디테일한 액체의 얇은 표면을 빠르게 애니메이션 할 수 있다.