• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.101-103
• /
• 2016

최근 들어, 영상 추적(Visual Tracking)에서의 목표물을 sparse coefficient vector로 나타낼 수 있게 되면서, L1 minimization 방법을 이용한 영상처리 속도 향상이 필요하게 되었다. 더 나아가서, L1 minimization 방법은 영상 추적 과정에서 주로 발생하는 occlusion 문제를 해결하는 방법으로 많이 사용되고 있다. 다라서 본 논문에서는 영상 추적 과정에서 발생하는 occlusion 문제의 해결을 위해서 L1 minimization의 parameter를 분석하였다. L1 minimization에는 최소화 결과에 영향을 미치는 weighted parameter가 존재하며, 이들은 고정 상수나 목표물의 중간값, 평균값, 표준편차로 나타내어 진다. 실험 결과를 바탕으로 분석하였을 때, weighted parameter 중에서 평균값이 OPE(One Pass Evaluation)을 기반으로 한 success rate와 precision performance에서 좋은 결과를 갖는 것을 확인할 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 하계학술대회
• /
• pp.50-52
• /
• 2010

통신 시스템의 성능을 향상시키는 핵심 문제 중에 하나인 채널을 추정하는 문제는 다양한 분야에서 연구되고 있다. 채널의 sparse한 특징으로 인해 기존의 linear square나 minimum mean square error보다 발전된 $l_1$-norm minimization 방법 등이 많이 연구되고 있다. 이에 본 논문은 sparse한 채널의 특징과 천천히 변화하는 채널환경 특징을 이용하여 기존의 방법에 비해 더 높은 성능의 채널 추정 기법을 연구한다. 천천히 변화하는 채널환경의 특징으로 인해 이전 채널 정보를 현재 채널 추정에 사용할 수 있고 sparse한 채널의 특징으로 $l_1$-norm minimization을 사용할 수 있다. 이러한 두 가지의 정보를 이용하여 weighted $l_1$-norm minimization 이용한 support detection후 MMSE를 이용한 채널 추정기법을 연구한다.

• 한국정보전자통신기술학회논문지
• /
• 제12권5호
• /
• pp.521-528
• /
• 2019

Epilepsy is one of the most prevalent neurological diseases. Electroencephalogram (EEG) signals are widely used for monitoring and diagnosis tool for epileptic seizure. Typically, a huge amount of EEG signals is needed, where they are visually examined by experienced clinicians. In this study, we propose a simple automatic seizure detection framework using intracranial EEG signals. We suggest a sparse approximation based classification (SAC) scheme by solving overdetermined system. L1-norm minimization algorithms are utilized for efficient sparse signal recovery. For evaluation of the proposed scheme, the public EEG dataset obtained by five healthy subjects and five epileptic patients is utilized. The results show that the proposed fast L1-norm minimization based SAC methods achieve the 99.5% classification accuracy which is 1% improved result than the conventional L2 norm based method with negligibly increased execution time (42msec).

• 대한전자공학회논문지SP
• /
• 제48권2호
• /
• pp.134-140
• /
• 2011

압축 센싱 (Compressed Sensing) 기술을 통해 $M{\times}N$ 측정 행렬의 원소들이 특정의 독립적인 확률 분포에서 뽑혀 identically 분포의 성질을 가지고 있을 때 $M{\ll}N$의 경우에도 스파스 (sparse) 신호를 높은 확률로 정확하게 복원할 수 있다. $L_1$-최소화 알고리즘이 불완전한 측정에 대해서도 스파스 (sparse) 신호를 복원할 수 있다는 것은 잘 알려진 사실이다. 본 논문에서는 OMP를 변형시킨 support 검출과 가중치 기법을 이용한 $L_1$-최소화 방법을 통하여 스파스 (sparse) 신호의 복원 성능을 향상시키는 알고리즘을 제안하고자 한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 하계학술대회
• /
• pp.61-63
• /
• 2010

Recent work in compressed sensing theory shows that m${\times}$n independent and identically distributed sensing matrices whose entries are drawn independently from certain probability distributions guarantee exact recovery of a sparse signal with high probability even if m${\ll}$n. In particular, it is well understood that the L1 minimization algorithm is able to recover sparse signals from incomplete measurements. In this paper, we propose a novel sparse signal reconstruction method that is based on the reweighted L1 minimization via support recovery.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권7호
• /
• pp.3194-3216
• /
• 2018

Slow Feature Discriminant Analysis (SFDA) is a supervised feature extraction method inspired by biological mechanism. In this paper, a novel method called Two Dimensional Slow Feature Discriminant Analysis via $L_{2,1}$ norm minimization ($2DSFDA-L_{2,1}$) is proposed. $2DSFDA-L_{2,1}$ integrates $L_{2,1}$ norm regularization and 2D statically uncorrelated constraint to extract discriminant feature. First, $L_{2,1}$ norm regularization can promote the projection matrix row-sparsity, which makes the feature selection and subspace learning simultaneously. Second, uncorrelated features of minimum redundancy are effective for classification. We define 2D statistically uncorrelated model that each row (or column) are independent. Third, we provide a feasible solution by transforming the proposed $L_{2,1}$ nonlinear model into a linear regression type. Additionally, $2DSFDA-L_{2,1}$ is extended to a bilateral projection version called $BSFDA-L_{2,1}$. The advantage of $BSFDA-L_{2,1}$ is that an image can be represented with much less coefficients. Experimental results on three face databases demonstrate that the proposed $2DSFDA-L_{2,1}/BSFDA-L_{2,1}$ can obtain competitive performance.

• 지구물리와물리탐사
• /
• 제10권2호
• /
• pp.124-130
• /
• 2007

탄성파 역산에 있어서 가장 널리 사용되는 최소자승($l^2$ norm)해는 이상치(outlier)에 매우 민감하게 반응하는 경향이 있다. 이에 반해서 $l^1$ norm을 최소화하는 해는 이상치에 강인한 면을 보이나 일반적으로 좀 더 많은 계산이 필요하다. 반복적가중의 최소자승법(Iteratively reweighted least squares [IRLS] method)을 이용하면 이러한 $l^1$ norm 문제의 근사해(approximate solution)를 효율적으로 구할 수 있다. 본 논문에서는 작은 크기의 잔여분은 $l^2$ norm으로 처리하며, 큰 크기의 잔여분은 $l^1$ norm으로 처리하는 하이브리드 $l^1/l^2$ norm 최소화를 IRLS 방법에 쉽게 적용하는 구현 기법을 소개한다. 소개된 알고리즘은 특이치(singularity)처리를 위한 임계값의 결정에 민감하게 반응하는 기존의 $l^1$ norm IRLS 방법과는 달리 임계값 결정에 상관없이 늘 강인한 역산의 특성을 보여준다.

• 한국산학기술학회논문지
• /
• 제16권3호
• /
• pp.2141-2145
• /
• 2015

본 논문에서는, 압축센싱 기법을 이용하여, 방송 네트워크 시스템의 멀티미디어 신호 전송 대역폭 효율성을 극대화할 수 있는 기법을 제안하였다. 멀티미디어 이미지의 sparisity를 높이기 위해서 2차원 이산 웨이블렛 변환 기법을 적용하는 샘플링 기법과, orthogonal matching pursuit기반 L1 최소화기법을 이용하여 복원하는 기법을 본 논문에서 제안하였다. 다양한 멀티미디어 신호가 압축센싱 기술에 의해 압축되어지기 때문에, 다양한 멀티미디어 데이터가 전송 시 점유하는 대역폭을 감소시킬 수 있다. 10Gs/s로 샘플링 되어진, 20% 압축률을 갖는 $256{\times}256$ 흑백스케일 이미지가 20km 광전송되어진 후에, Sparse한 방송신호를 복원하는, L1 최소화 기법을 이용하여 복원되었다(비트 에러오류율: $10^{-12}$).

• 디지털콘텐츠학회 논문지
• /
• 제18권2호
• /
• pp.347-356
• /
• 2017

희소 표현을 이용한 얼굴 인식 방법론은 강인성이 입증된 우수한 얼굴 인식 방법으로 알려져 있다. 이 방법론의 단점은 $L_1$-노름 최적화 문제를 통해 희소해를 구하는 과정에서 많은 시간이 소요되어 실시간 응용 분야에 적합하지 않다는 것이다. 통상적인 $L_2$-노름 최적화 문제를 통해 얻어진 희소해는 희소성이 결여되고 정확도가 떨어져서 희소 표현을 이용한 인식 방법론에는 사용되고 있지 않다. 우리는 본 논문에서는 탐욕적인 방식으로 $L_2$-노름 최적화 문제를 푸는 ROMP 방식을 도입해 희소해를 구하는 방법을 제안하고, 실험을 통해 제안한 방식이 정확도에서 기존 방식과 유사하며 속도는 60배 이상 빠름을 보였다. 또한, 희소 표현기반인식 방법론으로 희소해의 분포만을 고려하여 분류하는 단순한 방식인 C-SCI 방법론을 제안하였다. 이 방법론은 테스트 데이터를 복원하는 기존 방식과 성능 면에서는 유사하나 속도 면에서는 약 5배 빠름을 실험적으로 입증하였고, 이론적인 복잡도 분석 결과도 제시하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.135-136
• /
• 2011

Sparse한 신호 복원 방법으로 underdetemined system에서 l1-minimization을 이용한 compressive sensing의 연구와 함께, l1-minimization비해 간단한 greed 알고리듬도 활발히 연구되고 있다. 이에 본 논문은 greed 알고리듬의 대표적인 orthogonal matching pursuit기법에서 iteration 마다 support 선택 개수에 따른 성능을 연구한다. 모의 실험을 통해 OMP의 iteration 단계에서 하나의 support만 선택하는 것보다 다수의 support를 선택하는 것이 더 낮은 sparsity의 신호를 복원할 수 있고 더 낮은 계산량의 이득을 가져오는 것을 확인 할 수 있다.