• 정보처리학회논문지D
• /
• 제9D권1호
• /
• pp.75-80
• /
• 2002

Putnam은 소프트웨어 프로젝트에 참여하는 인력이 Rayleigh 분포를 따르는 SLIM 모델을 제시하였다. 이 모델에서 인력분포를 얻기 위해서는 총 개발노력과 개발 난이도를 추정해야 한다. 프로젝트 개발에 참여할 것인지 여부를 결정하기 위해서는 소프트웨어 생명주기의 초기단계에서 이 모수들을 보다 적확히 추정하는 것이 필요하다. Putnam은 시스템 속성들 중 강한 상관관계가 있는 변량을 제거하고 나머지 변량들만으로 총 개발노력과 개발 난이도를 추정하였다. 그러나 통계적 방법에 따라 변량들이 다르게 선택되며 모델의 성능에 차이가 발생한다. 본 논문은 Putnam 방법 대신 주성분분석을 이용하여 최적의 시스템 속성을 선택하였다. 모델의 성능분석 결과 주성분분석 방법이 Putnam의 방법보다 9.85% 성능향상을 보였다. 또한, 제안된 모델은 단순하고 쉽게 구현할 수 있다.

• 대한전자공학회논문지SP
• /
• 제46권2호
• /
• pp.99-107
• /
• 2009

본 논문에서는 자동차 번호판 숫자의 특징을 추출하기 위해 강화된 독립성분분석(independent component analysis)의 혼합모델을 제안한다 독립성분분석은 고차 통계적 특성만을 이용하기 때문에 고차 통계적 특성과 숫자 종류별 상관관계에 대한 특성을 고려하지 못한다. 이러한 독립성분분석의 한계를 극복하기 위해, 본 논문에서는 주성분분석(principle component analysis)과 선형판별분석(linear discriminant analysis)을 조합한 혼합 모델 형태의 독립성분분석을 제안한다. 실험 결과, 제안된 혼합 모델은 독립성분분석이나 다른 혼합 모델들보다 특징 추출과 인식에서 우수한 성능을 보임을 확인하였다.

• 전자공학회논문지CI
• /
• 제47권3호
• /
• pp.29-35
• /
• 2010

본 논문에서는 한 장의 정지 영상에서 학습을 통한 방법으로 깊이 정보를 추정하는데 사용되어지는 특징 정보를 PCA(Principal Component Analaysis)기반으로 축소하여 깊이 정보의 정확성을 향상시키는 방법에 대하여 기술한다. 정지 영상에서 깊이 정보를 추정하기 위하여 이미지의 에너지 값과 기울기와 같은 특징을 추출하며 특징들의 관계를 이용하여 각 영역의 깊이 정보를 추정한다. 이 때 영상 필터를 사용하여 많은 특징을 추출하지만 특징의 중요성을 판단하지 않고 모두 사용하면 오히려 성능에 좋지 않은 영향을 미친다. 본 논문에서는 한 장의 정지 영상의 깊이 추정을 위해 PCA를 기반으로 중요도를 판단하여 특징 벡터의 차원을 줄이고 깊이를 정확하게 추정할 수 있는 방법에 대하여 제안한다. 제안한 방법을 스탠포드 대학의 평가 데이터로 실험한 결과, 깊이를 추정하는데 있어서 전체 특징 벡터의 30%만을 이용하여 평균 0.4%에서 최대 2.5%의 정확도가 향상되었다.

• 전기전자학회논문지
• /
• 제6권1호
• /
• pp.72-79
• /
• 2002

본 논문에서는 복잡한 배경의 영상에서 얼굴을 검출하는 효과적인 알고리즘을 제안한다. 제안된 알고리즘은 색상정보와 PCA-LDA(Principal Component Analysis - Linear Discriminant Analysis)에 의하여 구해진 고유얼굴 (eigenface)을 이용한다. 색상정보는 다른 어떤 방법보다 얼굴을 검출하는데 유용하게 사용된다. 고유얼굴은 전체학습 얼굴들의 평균정보를 포함하고 있기 때문에 얼굴 후보영역에 대하여 얼굴인지를 판별할 수 있는 기능을 갖는다. 전체적인 과정은 두 단계로 이루어진다. 첫 번째 단계는 영상내에서 색상정보를 이용하여 살색영역의 1차 얼굴 후보영역을 찾아 후보영역의 위치와 기를 결정한다. 두 번째 단계는 1차 얼굴 후보영역에 대하여 PCA-LDA에 의한 얼굴의 유사성을 측정하여 얼굴인지 아닌지를 판별한다. 제안한 검출 방법을 사용한 실험 결과, 색상정보를 사용하여 1차 얼굴 후보영역의 크기와 위치를 결정함으로써 검출속도의 향상을 가져올 수 있었다. 또한 PCA-LDA에 의한 고유얼굴과의 비교를 통해 복잡한 매경이 있는 영상에서도 97%의 검출률을 얻을 수 있었다.

• 센서학회지
• /
• 제9권2호
• /
• pp.127-133
• /
• 2000

이 논문에서는 신경회로망을 이용하여 순환식 돈분처리 시스템의 실시간 모니터링을 궁극적으로 구현할 수 있는 새로운 방법을 제안하였다. 즉 미생물 군집내의 개체군밀도에 따른 각 처리조(유입수, 발효조, 폭기조, 1차 침전조 및 4차 침전조)에서의 폐수처리 과정을 모델을 시도하였다. 측정 데이터에 대해 우선 principle component analysis(PCA) 분석을 적용하여 각 처리조에서의 입력(미생물 밀도와 처리요소)과 출력간의 상관관계를 파악하고, 각각의 처리조마다 독립된 신경회로망을 적용하여 폐수처리 과정을 모델링하였다. 신경회로망의 입력으로 현재 탱크에서의 미생물의 개체군밀도를 직접 이용하는 대신 PCA 분석 결과를 이용함으로써, 비교적 적은 수의 데이터로 효과적인 모니터링 시스템을 구현할 수 있었다. 즉 각 처리조별로 학습된 신경회로망들을 연결하여 분석한 결과 2일 동안의 폐수 처리 변화를 비교적 정확히 예측할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.400-402
• /
• 2008

인간과 컴퓨터간의 정보이동에 중요한 역할을 해온 인간-컴퓨터 상호작용(HCI)기술은 핵심적인 정보기술 분야에 속한다. 최근 키보드와 마우스와 같은 입력장치의 사용없이 인간의 몸짓이나 손짓등과 같은 Gesture를 입력으로 사용하여 로봇이나 제어 장치들을 제어하는 연구가 다각도로 진행되고 있으며 그 중요성 또한 날로 증가하고 있다. 본 논문에서는 가속도 센서에서 계측된 정보를 PCA알고리즘에 적용하여 사용자의 제스처를 인식하는 기법을 제안하고자 한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.236-238
• /
• 2006

An algorithm for detection of yellow sand aerosols has been developed with infrared bands from Moderate Resolution Imaging Spectroradiometer (MODIS) and Multi-functional Transport Satellite-1 Replacement (MTSAT-1R) data. The algorithm is the hybrid algorithm that has used two methods combined together. The first method used the differential absorption in brightness temperature difference between $11{\mu}m$ and $12{\mu}m$ (BTD1). The radiation at 11 ${\mu}m$ is absorbed more than at 12 ${\mu}m$ when yellow sand is loaded in the atmosphere, whereas it will be the other way around when cloud is present. The second method uses the brightness temperature difference between $3.7{\mu}m$ and $11{\mu}m$ (BTD2). The technique would be most sensitive to dust loading during the day when the BTD2 is enhanced by reflection of $3.7{\mu}m$ solar radiation. We have applied the three methods to MTSAT-1R for derivation of the yellow sand dust and in conjunction with the Principle Component Analysis (PCA), a form of eigenvector statistical analysis. As produced Principle Component Image (PCI) through the PCA is the correlation between BTD1 and BTD2, errors of about 10% that have a low correlation are eliminated for aerosol detection. For the region of aerosol detection, aerosol index (AI) is produced to the scale of BTD1 and BTD2 values over land and ocean respectively. AI shows better results for yellow sand detection in comparison with the results from individual method. The comparison between AI and OMI aerosol index (AI) shows remarkable good correlations during daytime and relatively good correlations over the land.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권8호
• /
• pp.3884-3910
• /
• 2016

Intrusion Detection System (IDS) in general considers a big amount of data that are highly redundant and irrelevant. This trait causes slow instruction, assessment procedures, high resource consumption and poor detection rate. Due to their expensive computational requirements during both training and detection, IDSs are mostly ineffective for real-time anomaly detection. This paper proposes a dimensionality reduction technique that is able to enhance the performance of IDSs up to constant time O(1) based on the Principle Component Analysis (PCA). Furthermore, the present study offers a feature selection approach for identifying major components in real time. The PCA algorithm transforms high-dimensional feature vectors into a low-dimensional feature space, which is used to determine the optimum volume of factors. The proposed approach was assessed using HTTP packet payload of ISCX 2012 IDS and DARPA 1999 dataset. The experimental outcome demonstrated that our proposed anomaly detection achieved promising results with 97% detection rate with 1.2% false positive rate for ISCX 2012 dataset and 100% detection rate with 0.06% false positive rate for DARPA 1999 dataset. Our proposed anomaly detection also achieved comparable performance in terms of computational complexity when compared to three state-of-the-art anomaly detection systems.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권1호
• /
• pp.12-18
• /
• 2013

Motor imagery classification in electroencephalography (EEG)-based brain-computer interface (BCI) systems is an important research area. To simplify the complexity of the classification, selected power bands and electrode channels have been widely used to extract and select features from raw EEG signals, but there is still a loss in classification accuracy in the state-of- the-art approaches. To solve this problem, we propose a discriminative feature extraction algorithm based on power bands with principle component analysis (PCA). First, the raw EEG signals from the motor cortex area were filtered using a bandpass filter with ${\mu}$ and ${\beta}$ bands. This research considered the power bands within a 0.4 second epoch to select the optimal feature space region. Next, the total feature dimensions were reduced by PCA and transformed into a final feature vector set. The selected features were classified by applying a support vector machine (SVM). The proposed method was compared with a state-of-art power band feature and shown to improve classification accuracy.

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.878-882
• /
• 2004

본 논문에서는 유도전동기 고장진단을 위하여 계층적인 하이브리드 뉴럴네트웍을 제안하였다. 시스템의 입출력 데이터에 근거하여 패턴을 분류할 때 단계별 변환 및 분류 기법을 이용하였다. 제안된 방법에서는 실험에 측정된 전류값을 주기별로 주성분분석(PCA) 기법을 이용하여 입력차원을 축소한 후 이를 조건부 FCM으로 방사기저함수의 초기치를 최적화하는데 사용하였다. 이는 주성분분석이 가지는 특성을 이용하여 데이터의 특징을 나누었으며 이를 뉴럴네트웍의 학습 기능을 이용하여 고장검출 모델의 최종 성능을 개선하는 것이다. 이를 실제 계측된 유도전동기 데이터를 이용하여 실험한 결과 제안된 방법의 성능이 기존의 방법들에 비하여 우수함을 알 수 있었다.