• 제목/요약/키워드: PCA& #40;principal component analysis& #41;

검색결과 4건 처리시간 0.021초

Wavelet 압축 영상에서 PCA를 이용한 얼굴 인식률 비교 (Face recognition rate comparison using Principal Component Analysis in Wavelet compression image)

  • 박장한;남궁재찬
    • 전자공학회논문지CI
    • /
    • 제41권5호
    • /
    • pp.33-40
    • /
    • 2004
  • 본 논문에서는 웨이블릿 압축을 이용하여 얼굴 데이터베이스를 구축하고, 주성분 분석(Principal Component Analysis : PCA) 알고리듬을 이용하여 얼굴 인식률을 비교한다. 일반적인 얼굴인식 방법은 정규화된 크기를 이용하여 데이터베이스를 구축하고, 얼굴 인식을 한다. 제안된 방법은 정규화된 크기(92×112)의 영상을 웨이블릿 압축으로 1단계, 2단계, 3단계로 변환하고 데이터베이스를 구축한다. 입력 영상도 웨이블릿으로 압축하고 PCA 알고리듬으로 얼굴인식 실험을 하였다 실험을 통하여 제안된 방법은 기존 얼굴영상의 정보를 축소할 뿐만 아니라 처리속도도 향상되었다. 또한 제안된 방법은 원본 영상이 99.05%, 1단계 99.05%, 2단계 98.93%, 3단계 98.54% 정도의 인식률을 보였으며, 대량의 얼굴 데이터베이스를 구축하여 얼굴인식을 하는데 가능함을 보였다.

주성분 분석 및 군집분석을 이용한 지역정보 유형화 프레임워크의 설계와 구현 (Effective Classification Framework Design and Implementation for Rural Regional Information using Principal Component Analysis and Cluster Analysis)

  • 서교;김태곤;이지민;이정재
    • 한국농공학회논문집
    • /
    • 제54권1호
    • /
    • pp.73-81
    • /
    • 2012
  • For planning and developing rural regions, it is very important to understand and utilize regional characteristics including social, demographic, and economic aspects. The purpose of this study is to find effective analysis techniques and provide a procedure design for mining regional characteristics in South Korea through reviewing and analyzing 41 related studies. The engaged research methods can be classified into five categories (PCA+CA, PCA, CA, GIS, and PCA+GIS) with the combination of three methodologies: principal component analysis (PCA), cluster analysis (CA), and geographical information system (GIS). The combination of PCA and CA occupied about 40 % of research methods used in related studies. The analysis tool of Korean Rural Information Supporting System (KRISS) is designed based on the outcomes of this study and applied to classify the regional capacity of agriculture using agricultural census data (2000) for evaluating its applicability.

현미 및 백미의 저장기간에 따른 지방산가 및 향기 패턴 분석 - 연구노트 - (Fat Acidity and Flavor Pattern Analysis of Brown Rice and Milled Rice according to Storage Period)

  • 성지혜;김훈;최희돈;김윤숙
    • 한국식품영양과학회지
    • /
    • 제40권4호
    • /
    • pp.613-617
    • /
    • 2011
  • 본 연구에서는 현미 및 백미를 이용하여 시료의 저장기간에 따른 향기 패턴의 차이를 알아보고 지방산가와 비교하여 현미 및 쌀의 품질을 비교 분석해 보고자 하였다. 현미는 $30^{\circ}C$ 항온기에 넣고 30일간 저장하면서 5일 간격으로 각 시료를 채취하였고 백미는 저장기간의 차이를 두기 위해 생산 년도에 따라 시료를 수집하여 분석에 이용하였다. 현미와 백미 모두 저장기간이 길어질수록 지방산가가 크게 증가하여 품질에 영향을 미치는 것을 확인할 수 있었다. 저장기간에 차이를 둔 현미 및 백미의 향기패턴 변화를 SMart Nose를 사용하여 분석한 결과 전반적으로 현미와 백미사이에 휘발성 향기성분의 감응도가 매우 유사하게 나타났다. 다양한 변수들의 판별력에 가장 차별성을 높게 표현하는 18종류(41~81 amu)의 질량을 선택하여 주성분 분석 결과 현미의 PCA1 및 PCA2 값 기여율은 각각 95.64%, 2.78%로 나타났고 백미의 PCA1 및 PCA2 값 기여율은 각각 81.18%, 13.85%로 나타났다. 백미보다는 현미의 저장기간에 따른 향기패턴의 차이가 분명하게 나타났으며 두 시료 모두 저장기간이 증가할수록 시료의 PCA1값이 음의 방향으로 가는 것으로 나타났다. 따라서 저장기간이 증가할수록 쌀의 지방산가는 크게 증가하고 향기패턴이 변화하며 품질에 영향을 미치는 것을 확인할 수 있었다. 또한 쌀의 품질을 판별하는데 있어서 SMart Nose에 의해 측정하여 얻어진 자료를 활용한다면 기존의 방식들보다 더 용이하게 쌀의 품질 관리에 활용할 수 있을 것으로 기대된다.

도토리 조전분 및 겔 파우더에 대한 수입 원산지별 전자코 분석 (Analysis of Gel Powders Created from Different Acorn Crude Starches to Determine Country of Origin)

  • 양기현;이근종;김미리
    • 한국식품영양과학회지
    • /
    • 제41권6호
    • /
    • pp.816-822
    • /
    • 2012
  • GC-IMS를 이용한 도토리 조전분의 향기성분에서 주성분 PC 1, PC 2, PC 3 값을 얻었으며 2차원 그래프를 통하여 확인한 결과 국내산의 경우 PC 1에서 모두 (+)값을 보였고 최소범위 0.81 이상의 양의 값을 갖는 것으로 나타났다. PC 1의 기여율은 60.5%였고, PC 2의 기여율은 22.8%, PC 3의 기여율은 6.0%이었으며 누적기여율은 89.6%로 국내산, 북한산, 중국산 모두 PC 1의 값만으로도 향기패턴 구분에 필요한 충분한 정보를 얻을 수 있었다. PC 1과 PC 2에 대한 10개의 데이터를 평균값으로 표현했을 때 PC 1에서 국내산의 경우 441.8, 북한산 184.4, 중국산 222.0으로 나타났으며 국내산과 북한산, 국내산과 중국산은 각각 유의적 차이를 보였고 (p<0.05), 북한산과 중국산에서는 유의적 차이가 없었다. PC 2에서는 국내산은 1247.4, 북한산은 681.7로, 중국산은 575.9로 나타나 국내산과 북한산, 국내산과 중국산은 각각 유의적 차이를 보였으나(p<0.05), 북한산과 중국산은 유의적 차이가 없었다. 도토리묵을 제조하여 동결 건조시킨 후 분쇄한 시료를 가지고 분석한 겔 파우더에서도 주성분 PC 1, PC 2, PC 3 값을 얻었으며 2차원 그래프를 통하여 확인한 결과 국내산의 경우 PC 1에서 모두 (-)값을 가졌고 최소범위 -0.10 이상의 값을 갖는 것으로 나타났다. PC 1의 기여율은 40.7%, PC 2의 기여율은 27.9%, PC 3의 기여율은 15.2%였으며 누적기여율은 83.8%였다. PC 1과 PC 2에 대한 10개의 데이터를 평균값으로 표현했을 때 PC 1에서 국내산의 경우 231.7, 북한산 246.5, 중국산 294.3으로 나타났으며 국내산과 중국산, 북한산과 중국산은 유의적 차이를 보였고(p<0.05), 국내산과 북한산은 유의적 차이가 없었다. PC 2에서는 국내산은 278.0, 북한산은 217.6, 중국산은 239.5로 나타나 국내산과 북한산, 국내산과 중국산에서 각각 유의적 차이를 보였다(p<0.05). 북한산과 중국산은 유의적 차이가 없었다. 이상의 결과로 GC-IMS를 이용한 도토리 조전분 및 도토리묵에 대한 겔 파우더의 원산지 판별에서 주성분 PC 1과 PC 2의 값만으로도 국내산과 수입산(중국산과 북한산)의 구별이 가능하였다.