• 한국음향학회지
• /
• 제19권8호
• /
• pp.47-53
• /
• 2000

수중에서 프로펠러에 의해 추진되는 추진체를 식별하기 위해 프로펠러의 추진력에 의하여 수중에 발생되는 cavitation의 비선형 음향학적 현상으로부터 발생되는 프로펠러의 shaft-rates와 blade-rates를 탐지하여 표적을 식별하기 위한 Maximum Likelihood Classifier를 유도하고, 시뮬레이션과 실험을 통한 검증을 수행하였고, 실제 해양에서 수집한 데이터에 대해 적용 가능함을 입증하였다.

• 대한공간정보학회지
• /
• 제8권2호
• /
• pp.23-33
• /
• 2000

본 연구에서는 인공위성영상을 이용한 토지피복 분류방법 중 파라메트릭한 분류와 비-파라메트릭한 분류의 대표성을 띤 최대우도 분류법과 신경망을 이용한 분류방법을 사용하여 분류정확도를 비교하였다. 분류정확도의 평가에 있어서 일반적인 분석가들이 사용하는 훈련지역에 대한 분류정확도의 분석뿐만 아니라, 시험지역에 대한 정확도분석을 하였다. 그 결과, 최대우도분류기에 비하여 신경망의 분류기가 일반적인 훈련데이터의 분류에 있어서 약 3% 우월하였으며, 지상검증데이터를 사용한 분류결과에서는 시험에 사용된 두 분류기 모두 빈약한 분류결과를 나타내었으나, 신경망에 의한 분류가 최대우도에 비하여 약 10%정도 보다 신뢰할 수 있는 결과를 얻을 수 있었다.

• ETRI Journal
• /
• 제21권4호
• /
• pp.41-51
• /
• 1999

This research is an attempt to obtain more accurate land cover information from LANDSAT images. Canonical correlation analysis, which has not been widely used in the image classification community, was applied to the classification of a LANDSAT images. It was found that it is easy to select training areas on the classification using canonical correlation analysis in comparison with the maximum likelihood classifier of $ERDAS^{(R)}$ software. In other words, the selected positions of training areas hardly affect the classification results using canonical correlation analysis. when the same training areas are used, the mapping accuracy of the canonical correlation classification results compared with the ground truth data is not lower than that of the maximum likelihood classifier. The kappa analysis for the canonical correlation classifier and the maximum likelihood classifier showed that the two methods are alike in classification accuracy. However, the canonical correlation classifier has better points than the maximum likelihood classifier in classification characteristics. Therefore, the classification using canonical correlation analysis applied in this research is effective for the extraction of land cover information from LANDSAT images and will be able to be put to practical use.

• 정보처리학회논문지D
• /
• 제9D권5호
• /
• pp.939-944
• /
• 2002

In this paper, we propose and apply new classification method to the remotely sensed image acquired from airborne multi-spectral scanner. This is a neuro-fuzzy image classifier derived from the generic model of a 3-layer fuzzy perceptron. We implement a classification software system with the proposed method for land cover image classification. Comparisons with the proposed and maximum-likelihood classifiers are also presented. The results show that the neuro-fuzzy classification method classifies more accurately than the maximum likelihood method. In comparing the maximum-likelihood classification map with the neuro-fuzzy classification map, it is apparent that there is more different as amount as 7.96% in the overall accuracy. Most of the differences are in the "Building" and "Pine tree", for which the neuro-fuzzy classifier was considerably more accurate. However, the "Bare soil" is classified more correctly with the maximum-likelihood classifier rather than the neuro-fuzzy classifier.

• 대한공간정보학회지
• /
• 제8권2호
• /
• pp.47-60
• /
• 2000

본 연구에서는 인공위성영상을 이용한 토지피복 분류방법 중 파라메트릭한 분류와 비-파라메트릭한 분류의 대표성을 띤 최대우도 분류법과 신경망을 이용한 분류방법을 사용하여 분류정확도를 비교하였다. 분류정확도의 평가에 있어서 일반적인 분석가들이 사용하는 훈련지역에 대한 분류 정확도의 분석뿐만 아니라, 시험지역에 대한 정확도분석을 하였다. 그 결과, 최대우도분류기에 비하여 신경망의 분류기가 일반적인 훈련데이터의 분류에 있어서 약 3% 우월하였으며, 지상검증데이터를 사용한 분류결과에서는 시험에 사용된 두 분류기 모두 빈약한 분류결과를 나타내었으나, 신경망에 의한 분류가 최대우도에 비하여 약 10%정도 보다 신뢰할 수 있는 결과를 얻을 수 있었다.

• 대한공간정보학회지
• /
• 제4권2호
• /
• pp.137-147
• /
• 1996

본 논문에서는 통계적 분류방법인 최대유사 분류법(MLC: maximum likelihood classifier)과 신경회로망을 이용한 분류법인 다층퍼셉트론(MLP: multiayer perceptron) 분류법간의 분류성능을 비교 평가하였으며, 또한 MLP 분류법에서 문제가 되고 있는 학습률(learning rate), 운동량 상수(,momentum constant), 은닉층의 노드수에 따른 MLP 분류법의 분류성능을 평가하였다. 부산지역에 대한 실제 인공위성 화상데이타인 Landsat TM 화상데이타를 사용하여 MLP 분류법과 MLC 분류법의 성능을 비교한 결과 MLP 분류법의 성능이 더 우사함을 확인할 수 있었으며, 학습률, 운동량 상수 및 은닉층의 노드수에 따른 분류성능도 평가하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1998년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.122-127
• /
• 1998

This paper presents the neuro-fuzzy classifier derived from the generic model of a 3-layer fuzzy perceptron and developed the classification software based on the neuro-fuzzl model. Also, a comparison of the neuro-fuzzy and maximum-likelihood classifiers is presented in this paper. The Airborne Multispectral Scanner(AMS) imagery of Tae-Duk Science Complex Town were used for this comparison. The neuro-fuzzy classifier was more considerably accurate in the mixed composition area like "bare soil" , "dried grass" and "coniferous tree", however, the "cement road" and "asphalt road" classified more correctly with the maximum-likelihood classifier than the neuro-fuzzy classifier. Thus, the neuro-fuzzy model can be used to classify the mixed composition area like the natural environment of korea peninsula. From this research we conclude that the neuro-fuzzy classifier was superior in suppression of mixed pixel classification errors, and more robust to training site heterogeneity and the use of class labels for land use that are mixtures of land cover signatures.

• 비파괴검사학회지
• /
• 제13권2호
• /
• pp.11-19
• /
• 1993

원자력발전소의 주요 압력용기 용접부에 대한 초음파검사시 결함의 특성과 형태에 대한 정확한 분류는 원자력 발전소의 안전성을 확보하기 위한 결함평가에 중요한 요소이다. 본 연구에서 초음파검사에서 얻어진 결함신호를 digital signal processing 기법으로 처리하여 결함의 특성과 형태를 구분할 수 있는 feature vector를 추출하고 결함의 형태를 형상 인식법을 사용하여 분류 하였다. Training specimen(slit, hole)의 신호와 testing specimen(crack, slag)의 신호를 구분하기 위한 실험에서 사용된 통계적 pattern recognition algorithm은 minimum distance classifier와 maximum likelihood classifier이다. 이러한 형상 classifier를 이용하여 결함의 특성을 정량적으로 분류하여 결함 평가 능력을 향상시켰다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.709-714
• /
• 2002

This paper discussed and analyzed results of different classification algorithms for land use classification in arid and semiarid areas using CBERS-1 image, which in case of our study is Shihezi Municipality, Xinjiang Province. Three types of classifiers are included in our experiment, including the Maximum Likelihood classifier, BP neural network classifier and Fuzzy-ARTMAP neural network classifier. The classification results showed that the classification accuracy of Fuzzy-ARTMAP was the best among three classifiers, increased by 10.69% and 6.84% than Maximum likelihood and BP neural network, respectively. Meanwhile, the result also confirmed the practicability of CBERS-1 image in land use survey.

• 한국지능시스템학회논문지
• /
• 제9권5호
• /
• pp.472-479
• /
• 1999

본 논문에서는 뉴로-퍼지 알고리즘을 이용한 원격탐사 화상의 지표면 패턴분류기를 제안한다. 제안된 패턴 분류기는 일반적인 퍼지 인식기를 가지고 있는 3층 전방향 신경회로망 구조로 되어 있고 가중치들은 퍼지집합으로 구성된다. 이러한 퍼지-뉴로 패턴분류 시스템을 Visual C++ 환경을 구현한다. 성능평가를 위해 기존의 역전파 학습기능을 가진 신경회로망과 Maximum-likelihood 알고리즘을 이용해처리한 결과와비교분석한다. 대표적인 지표면 특징을 나타내는 8개의 클래스에 대해 훈련집합을 선정하고 각각의 분류 알고리즘에 같은 훈련집합을 사용하여 학습시킨 후 실험화상을 적용하여 지표면 특징을 8개의 클래스로 분류하였다. 실험결과 제안된 뉴로-퍼지 분류기는 여러개의 클래스로 혼합된 패턴에 대해서 기존의 분류기들에 비해 보다 더 좋은 성능을 보인다.