• 조명전기설비학회논문지
• /
• 제20권6호
• /
• pp.55-62
• /
• 2006

본 논문에서는 3상 유도전동기의 고장진단을 수행하기 위해 패턴인식에 기반을 둔 진단 알고리즘을 제안한다. 실험 장치는 유도전동기 구동의 기계적 모듈과 고장신호를 구하기 위한 데이터 획득 모듈로 구성하였다. 진단 절차를 위한 첫 번째 단계로서 전처리 과정은 획득한 전류를 단순화하고 정규화 하는 것을 수행한다. 데이터의 단순화 과정은 3상전류를 Concrodia 벡터의 크기로 변환하는 것을 적용한다. 다음으로 특징 추출 단계를 커널 주성분 분석과 선형판별분석으로 수행하며, 마지막으로, 분류기는 방사기저함수 네트워크를 사용한다. 다양한 부하에 대하여 몇몇의 전기적 고장과 기계적 고장 하에서 획득한 데이터를 이용하여 제안된 방법의 타당성을 검증한다.

• 정보보호학회논문지
• /
• 제19권1호
• /
• pp.71-79
• /
• 2009

현재 커널 기반 데이터인 시스템 호출을 이용하는 호스트 기반 침입 탐지 연구가 많이 진행되고 있다. 시스템 호출을 이용한 침입 탐지 연구는 시퀀스 기반과 빈도 기반으로 시스템 호출을 전 처리 하는 방법이 많이 사용되고 있다. 실시간 침입 탐지 시스템에 적용할 때 시스템에서 수집 되는 시스템 호출 데이터의 종류와 수집 데이터가 많아 전처리에 어려움이 많다. 그러나 비교적 시퀀스 기반 방법보다 전처리 시간이 작은 빈도 기반의 주로 방법이 사용 되고 있다. 본 논문에서는 현재에도 시스템 공격 중 비중을 많이 차지하고 있는 서비스 거부 공격을 탐지 하기위해 빈도 기반의 방법에 사용하는 전체 시스템 호출을 주성분 분석(principal component analysis)을 이용하여 주성분이 되는 시스템 호출들을 추출하여 베이지안 네트워크를 구성하고 베이지안 분류기를 통하여 탐지하는 효율적인 방법을 제안한다.

• Korean Chemical Engineering Research
• /
• 제46권2호
• /
• pp.233-247
• /
• 2008

공정 모니터링 기술은 공정 내에서 일어나는 예상치 못한 조업변화 및 이상을 조기에 감지하고 조업 이상에 영향을 끼친 근본 원인을 밝혀내어 제거해 줌으로써 공정의 안정적인 조업과 양질의 제품생산의 기반을 제공하여 준다. 데이터에 기반한 통계적 공정 모니터링 방법은 양질의 공정 데이터만 주어진다면 통계적 처리를 접목하여 비교적 쉽게 모니터링을 할 수 있고 공정의 데이터 분석에 이용할 수 있는 도구를 얻을 수 있다는 장점이 있다. 그러나 실제 공정에서는 비선형성, non-Gaussianity, 다중 운전모드, 공정상태변화로 인해 기존의 다변량 통계적 방법을 이용한 공정 모니터링 기법은 비효율적이거나, 공정 감시 성능의 저하, 종종 신뢰할 수 없는 결과를 야기한다. 이러한 경우 기존의 방법으로는 더이상 공정을 정확히 감시할 수 없기 때문에 최근에 많은 새로운 방법들이 개발 되었다. 본 총설에서는 이러한 단점을 보안하기 위해 최근 주목할 만한 연구결과인 공정 비선형성을 고려한 커널주성분분석(kernel principle component analysis) 모니터링 기법, 주성분분석 모델 조합을 이용한 다중모델(mixture model) 모니터링 기법, 공정 변화를 고려한 적응모델(adaptive model) 모니터링 기법, 그리고 센서 이상진단과 보정의 이론과 응용결과에 대하여 소개한다.

• 한국작물학회지
• /
• 제59권3호
• /
• pp.312-318
• /
• 2014

본 연구는 강원도농업기술원 옥수수연구소에서 종실옥수수 품종개발을 위하여 육성한 156개의 자식계통들에 대하여 총 14개의 질적 및 양적 형질들을 이용하여 형태적 변이연구를 수행하였다. 3개의 질적 형질들의 조사 결과에서 웅수색(QL1)과 자수색(QL2)은 황색을 나타내는 계통(85계통, 84계통)들이 가장 많았고, 초형(QL3)은 대부분의 계통(105 계통)이 반직립형을 나타내었다. 반면에 11개의 양적 형질들에 대한 조사 결과에서 출웅일수(QN1)는 평균 $66.7{\pm}4.2$ 일을, 출사일수(QN2)는 평균 $72.8{\pm}5.8$일을, 간경(QN3)은 $16.2{\pm}2.6mm$를, 간장(QN4)은 평균 $16.2{\pm}2.6mm$를, 착수고(QN5)는 평균 $84.3{\pm}17.3cm$를, 백립중(QN6)은 평균 $24.4{\pm}4.4g$을, 이삭장(QN7)은 평균 $47.0{\pm}17.9cm$를, 착립장(QN8)은 평균 $40.7{\pm}15.7cm$을, 이삭경(QN9)은 평균 $14.2{\pm}4.7cm$를, 종실중(QN10)은 평균 $175.6{\pm}97.6kg$을, 종자의 수분함량은 평균 $10.0{\pm}0.3%$를 각각 나타내었다. 이상의 결과에 의하면 분석에 이용된 자식계통들 중에서 11개의 자식계통(00hf3, 00hf19, 00hf30, 00hf36, 02S8069, 02S8072, 02S8090, 02S8099, 05S10011, 06S8085-6, 07S8011)들은 조사된 5개의 수량 관련 형질들 중에서 3~4개 이상의 형질들에서 비교적 높은 특성을 나타내었다. 한편 주성분 분석결과에서는 분석에 이용된 14개의 질적 및 양적 형질들 중에서 이삭장(QN7), 착립장(QN8), 이삭경(QN9), 종실중(QN10)은 제 1 주성분에서 양의 방향에 크게 기여하였고, 반면에 제 2 주성분에서는 출웅일수(QN1), 출사일수(QN2), 간장(QN4), 착수고(QN5)은 음의 방향에 크게 기여하였다. 따라서 본 연구에서 제 1축 및 제 2축의 주성분에서 양의 방향과 음의 방향에 크게 기여한 형질들은 본 연구에서 분석에 이용한 156개의 종실 옥수수 자식계통들을 식별하는데 유용한 형질들인 것으로 생각되었다. 본 연구에서 156개의 종실옥수수 자식계통들에 대한 형태적 변이 및 주성분 분석의 결과는 앞으로 강원도농업기술원 옥수수연구소에서 종실옥수수 품종개발을 위한 계통 육성 및 교배조합 구성 등에 유용한 정보를 제공할 것으로 기대한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제4권1호
• /
• pp.25-44
• /
• 2010

With the increasing popularity of mobile devices, it has become necessary to protect private information and content in these devices. Face recognition has been favored over conventional passwords or security keys, because it can be easily implemented using a built-in camera, while providing user convenience. However, because mobile devices can be used both indoors and outdoors, there can be many illumination changes, which can reduce the accuracy of face recognition. Therefore, we propose a new face recognition method on a mobile device robust to illumination variations. This research makes the following four original contributions. First, we compared the performance of face recognition with illumination variations on mobile devices for several illumination normalization procedures suitable for mobile devices with low processing power. These include the Retinex filter, histogram equalization and histogram stretching. Second, we compared the performance for global and local methods of face recognition such as PCA (Principal Component Analysis), LNMF (Local Non-negative Matrix Factorization) and LBP (Local Binary Pattern) using an integer-based kernel suitable for mobile devices having low processing power. Third, the characteristics of each method according to the illumination va iations are analyzed. Fourth, we use two matching scores for several methods of illumination normalization, Retinex and histogram stretching, which show the best and $2^{nd}$ best performances, respectively. These are used as the inputs of an SVM (Support Vector Machine) classifier, which can increase the accuracy of face recognition. Experimental results with two databases (data collected by a mobile device and the AR database) showed that the accuracy of face recognition achieved by the proposed method was superior to that of other methods.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권7호
• /
• pp.681-687
• /
• 2007

오늘날 개인의 정보 보호 및 신분 확인을 위하여 생체 인식 분야 중에서 사람의 얼굴 인식기술이 많이 사용되고 있지만 조명, 자세, 표정 변화로 인하여 얼굴 인식의 성능 저하를 일으키는 문제가 있다. 본 논문에서는 얼굴 인식 결과에 큰 영향을 주는 요소인 조명 변화에 초점을 맞춰 D-LDA(Direct-Linear Disciminant Analysis)가 다른 기법들에 비해 덜 민감하게 수행할 수 있는 성질을 지녔음을 밝히 고자 한다. 측면광과 역광등의 조명 변화와 농도의 변화를 고려하여 조명 변화를 갖는 테스트를 갖는 ORL, Yale, 포항공대 데이타베이스를 여러 특징 추출 알고리즘에 적용함으로써 클래스, 학습 데이타 그리고 테스트 데이타 수가 각기 다른 세 종류의 데이타베이스에서 모두 D-LDA가 적은 학습 데이터에서도 조명 변인에 가장 덜 민감하게 반응하는 좋은 인식 성능을 갖는 성질을 지녔음을 보여준다.

• 한국자원식물학회지
• /
• 제19권1호
• /
• pp.105-111
• /
• 2006

대추나무에 관한 연구 및 2008년부터 시행될 산림수종의 품종보호제도에 대비하여 대추나무의 특성조사요령검정지침서(TG : Test guidelines) 작성 등에 활용할 수 있는 기초자료를 제공하고자 우리나라에서 가장 많이 재배되고 있는 대추나무 복조 등 5품종을 대상으로 과실과 엽의 형태적 특성들을 조사, 주성분분석 및 군집분석 등과 같은 다변량 분석법을 이용하여 분석 고찰한 결과, 인(仁)과 관련된 특성에서는 유의성이 인정되지 않아 대추나무의 품종간 유연관계를 고찰하는 특성으로는 부적절 한 것으로 판단된다. 과실중량을 비롯한 모든 특성들에서 보은대추 품종이 복조를 비롯한 다른 4품종과는 형태적 특성에서 명확하게 구분되는 것으로 나타났다. 주성분분석 결과, 제1주성분의 고유값은 10.45로 전체 분산에 대하여 65.3%의 기여도가 있는 것으로 분석되었으며, 고유 값이 1이상인 제3주성분까지의 전체 분산에 대한 기여도는 96.5%로 매우 높은 것으로 나타났다. 특히, 과실종경을 비롯하여 엽장과 엽병장 및 정엽장과 정엽폭, 과형지수와 핵형지수 및 정엽형지수와 같은 형태적 특성들이 대추나무 품종의 유연관계를 구명하는데 높은 기여도를 나타내는 것으로 분석되었다. 군집분석 결과, 거리수준 3.3을 기준으로 보은대추를 제외한 무등과 월출 및 금성과 복조품종이 포함된 I group과 보은대추 품종만이 포함된 II group등 크게 2개의 group으로 구분할 수 있었으며 I group은 무등과 월출 및 복조품종이 포함된 sub group과 금성 품종 등 2개의 sub group으로 다시 구분할 수 있었다.