• Communications for Statistical Applications and Methods
• /
• 제10권2호
• /
• pp.607-617
• /
• 2003

This paper offers a practical comparison of efficiency between local likelihood approach and conventional kernel approach in density estimation. The local likelihood estimation procedure maximizes a kernel smoothed log-likelihood function with respect to a polynomial approximation of the log likelihood function. We use two types of data driven bandwidths for each method and compare the mean integrated squares for several densities. Numerical results reveal that local log-linear approach with simple plug-in bandwidth shows better performance comparing to the standard kernel approach in heavy tailed distribution. For normal mixture density cases, standard kernel estimator with the bandwidth in Sheather and Jones(1991) dominates the others in moderately large sample size.

• 대한원격탐사학회지
• /
• 제26권6호
• /
• pp.693-703
• /
• 2010

High spectral resolution of hyperspectral data enables analysis of complex natural phenomena that is reflected on the data nonlinearly. Although many manifold learning methods have been developed for such problems, most methods do not consider the spatial correlation between samples that is inherent and useful in remote sensing data. We propose a manifold learning method which directly combines the spatial proximity and the spectral similarity through kernel PCA framework. A gain factor caused by spatial proximity is first modelled with a heat kernel, and is added to the original similarity computed from the spectral values of a pair of samples. Parameters are tuned with intelligent grid search (IGS) method for the derived manifold coordinates to achieve optimal classification accuracies. Of particular interest is its performance with small training size, because labelled samples are usually scarce due to its high acquisition cost. The proposed spatial kernel PCA (KPCA) is compared with PCA in terms of classification accuracy with the nearest-neighbourhood classification method.

• 전기전자학회논문지
• /
• 제5권2호
• /
• pp.164-173
• /
• 2001

본 논문은 독립적으로 움직이면서 시간 제약을 만족시키는 새로운 내장형 실시간 시스템을 설계하며 구현하였다. 본 논문에서의 실시간 시스템 커널은 시간적인 요소를 가장 핵심으로 고려하여 설계되었다. 따라서 실시간 커널은 작은 용량을 가지며 빠르게 예측하며, 실시간 스케줄링에 요구되는 많은 변화들을 통해서 실시간 커널에 융통성을 부여한다. 제안한 실시간 커널은 경성 실시간 제약 조건인 인터럽트 지연 시간, 스케줄링의 정확성, 메시지 전달시간을 만족하기 위하여 실시간 커널에는 실시간 태스크 처리와 인터럽트 처리, 타이밍을 처리하도록 하였고 비 실시간 커널은 일반적인 태스크를 처리하도록 하였다. 제안된 실시간 시스템은 RT-Linux, QNX와 인터럽트 지연, 스케줄링 정확성, 메시지 전달시간 등을 비교 분석하여 효율성을 입증하였다.

• 한국작물학회지
• /
• 제33권1호
• /
• pp.70-73
• /
• 1988

풋찰옥수수의 수확적기를 구명하기 위하여 1984년 수원과 청주에서 홍천재래을 공시하여 출사(수원에서는 수분)후 15일부터 40일까지 5일 간격으로 6회에 걸쳐 수확하여 종실의 발육, 수분 및 전당함량, 삶은 옥수수의 맛, 찰기, 경도 등을 조사한 결과를 요약하면 다음과 같다. 1. 입장과 입폭은 출사후 15일부터 30일까지 크게 증가하였고 그 후 다소의 증가에 그쳤으며 입후는 출사 20일 이후 거의 증가되지 않았다. 2. 생체 100립중은 출사후 30일까지 크게 증가된 반면 그 후에는 다소의 증가에 그치였고 건물 100립중은 출사후 15일부터 40일까지 거의 직선적인 증가를 보였다. 3. 종실의 수분함량은 성숙정도가 진전됨에 따라 직선적인 감소를 보였다. 전당함량은 출사후 20일에 가장 않았고 그 후 감소되었다. 4. 맛과 찰기는 출사후 15일부터 30일까지 크게 증가되었고 맛은 그 후 감소되었으나 찰기는 출사후 35일까지 같은 수준을 유지하였다가 그 후 다소 감소되었다. 식용에 알맞는 경도는 출사후 30∼35일 이었다.

• 한국작물학회지
• /
• 제31권1호
• /
• pp.49-55
• /
• 1986

옥수수입의 라이신 및 트립토페인 량을 증가시키기 위해서 오페이크-2 인자와 오페이크-2 옥수수입의 표현형을 변갱시키는 변갱 오페이크-2 인자를 사용하여 합성한 부여 No 2 옥수수와 부여 No. 3 옥수수의 입특성을 분석조사하였다. 부여 No. 2나 부여 No. 3 옥수수의 입 특성을 정확히 아는 것은 이들 옥수수의 증수를 위한 육종방법을 규명하는데 필요하기 때문이다. 따라서 입의 물리적 특성으로서 표현형을 본 결과 부여 No 2나 부여 No.3 모두 원래 오페이크-2 옥수수입이 보여주는 표현형과는 매우 다르게 변갱 되었지만 부여 No. 2는 부여 No.3보다 더 보통 옥수수에 가깝게 변갱되었다. 그리고 부여 No. 2는 동일품종내에서도 표현형의 변이가 매우 크게 분포되어 있었다. 입중에 있어서 부여 No. 2는 No. 3보다 입중이 가벼웠는데 그 이유는 크기가 작기 때문이었다. 배유의 밀도는 부여 No. 3이 제일 작았고 이는 입의 경도에도 크게 영향을 주었다. 부여 No. 2의 소입성은 조와 배유의 함량에도 영향을 주어 일정량으로 옥수수를 두고 볼 때 소입중 부여 No.2는 대입중인 부여 No.3보다 배의 양이 많았다. 변갱오페이크 옥수인 부여 No. 2와 부여 No. 3의 배유내 전분조직을 현미경 관찰한 결과 부여 No.2 옥수수입은 배유내 연질전분 조직과 경질전분 조직이 동시에 매우 다양하게 되어 있었다. 필수 아미노산의 하나인 라이신 함량은 부여 No.2가 공시품종 가운데서 가장 높았다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권6호
• /
• pp.2709-2729
• /
• 2016

Representation based classification, kernel method and sparse representation have received much attention in the field of face recognition. In this paper, we proposed an improved kernel principal component analysis method based on sparse representation to improve the accuracy and robustness for face recognition. First, the distances between the test sample and all training samples in kernel space are estimated based on collaborative representation. Second, S training samples with the smallest distances are selected, and Kernel Principal Component Analysis (KPCA) is used to extract the features that are exploited for classification. The proposed method implements the sparse representation under ℓ₂ regularization and performs feature extraction twice to improve the robustness. Also, we investigate the relationship between the accuracy and the sparseness coefficient, the relationship between the accuracy and the dimensionality respectively. The comparative experiments are conducted on the ORL, the GT and the UMIST face database. The experimental results show that the proposed method is more effective and robust than several state-of-the-art methods including Sparse Representation based Classification (SRC), Collaborative Representation based Classification (CRC), KCRC and Two Phase Test samples Sparse Representation (TPTSR).

• 한국식품영양과학회지
• /
• 제20권6호
• /
• pp.653-662
• /
• 1991

aThe terms of hard and soft as applied to wheats are descriptions of the texture of the kernel. A hard wheat kernel required greater force to cause it to disintegrate than those a soft wheat kernel. Factors than can affect the measurement of hardness outnumber those that affect hardness itself. Kernel texture is the most important single characteristic that affects the functionality of a common wheat. It affect the way in which must be tempered for milling ; the yield and the particle size, and density of flour particles ; and the end use properties in milling, breadmaking, production of soft wheat products, and noodle-making. Papers are reviewed from various sources not only hardness but flour functionality.

• Journal of information and communication convergence engineering
• /
• 제20권3호
• /
• pp.195-203
• /
• 2022

Noise generated during image acquisition and transmission can negatively impact the results of image processing applications, and noise removal is typically a part of image preprocessing. Denoising techniques combined with nonlocal techniques have received significant attention in recent years, owing to the development of sophisticated hardware and image processing algorithms, much attention has been paid to; however, this approach is relatively poor for edge preservation of fine image details. To address this limitation, the current study combined a steering kernel technique with adaptive masks that can adjust the size according to the noise intensity of an image. The algorithm sets the steering weight based on a similarity comparison, allowing it to respond to edge components more effectively. The proposed algorithm was compared with existing denoising algorithms using quantitative evaluation and enlarged images. The proposed algorithm exhibited good general denoising performance and better performance in edge area processing than existing non-local techniques.

• 대한원격탐사학회지
• /
• 제26권6호
• /
• pp.705-719
• /
• 2010

We investigated the speckle filtering effect in supervised classification of the C-band polarimetric Ground Based SAR image data. Wishart classification method was used for the supervised classification of the polarimetric GB-SAR image data and total of 6 kinds of speckle filters were applied before supervised classification, which are boxcar, Gaussian, Lopez, IDAN, the refined Lee, and the refined Lee sigma filters. For each filters, we changed the filtering kernel size from $3{\times}3$ to $9{\times}9$ to investigate the filtering size effect also. The refined Lee filter with the kernel size of bigger than $5{\times}5$ showed the best result for the Wishart supervised classification of polarimetric GB-SAR image data. The result also showed that the type of trees could be discriminated by Wishart supervised classification of polarimetric GB-SAR image data.

• 전기전자학회논문지
• /
• 제25권4호
• /
• pp.664-671
• /
• 2021

본 논문은 합성곱 신경망에 데이터 재사용 방법을 효과적으로 적용하여 연산 횟수와 메모리 접근 횟수를 줄일 수 있는 GPGPU구조를 제안한다. 합성곱은 kernel과 입력 데이터를 이용한 2차원 연산으로 kernel이 slide하는 방법으로 연산이 이루어 진다. 이때, 합성곱 연산이 완료될 때 까지 kernel을 캐시메모리로 부터 전달 받는 것이 아니고 내부 레지스터를 이용하는 재사용 방법을 제안한다. SIMT방법으로 명령어가 실행되는 GPGPU의 원리 이용하여 데이터 재사용의 효과를 높이기 위해 합성곱에 직렬 연산 방식을 적용하였다. 본 논문에서는 레지스터기반 데이터 재사용을 위하여 kernel을 4×4로 고정하고 이를 효과적으로 지원하기 위한 warp 크기와 레지스터 뱅크를 갖는 GPGPU를 설계하였다. 설계된 GPGPU의 합성곱 신경망에 대한 성능을 검증하기 위해 FPGA로 구현한 뒤 LeNet을 실행시키고 TensorFlow를 이용한 비교 방법으로 AlexNet에 대한 성능을 측정하였다. 측정결과 AlexNet기준 1회 학습 속도는 0.468초이며 추론 속도는 0.135초이다.