• 한국멀티미디어학회논문지
• /
• 제12권1호
• /
• pp.50-57
• /
• 2009

본 논문은 3차원 다각형 모델에서 특징 선을 추출하기 위한 방법에 대해 제안한다. 이산 곡면으로 이루어진 다각형 모델에서 특징 선을 추출하기 위하여 기존 방법에서는 전역적인 음함수 곡면 맞춤 기법(Implicit Surface Fitting)을 이용하여 모델의 꼭지점에서 곡률과 곡률 미분 값을 측정하였다. 이러한 방법은 다각형 모델의 꼭지점에서 음함수 곡면으로 정확하게 투영할 수 있도록 사용자의 정의 파라미타를 찾아야 하며, 특징 추출을 위한 많은 계산 시간을 요구한다. 그러나 제안 방법은 지역적 음함수 곡면 맞춤 기법을 이용하여 모델의 꼭지점에 근사된 곡면을 통해 미분 정보를 측정한다. 측정된 미분 정보를 통해 쉽게 각각의 모서리에서 제로-클로싱을 통해 특징 점을 추출하고, 곡률 방향을 따라 추출된 점들을 연결하여 특징 선을 생성한다. 여러 가지 다각형 모델에서 실험을 하였고 기존 방법보다 빠르며 높은 품질의 특징 선을 추출한다.

• 산업기술연구
• /
• 제21권A호
• /
• pp.167-179
• /
• 2001

This paper discusses an index-based subsequence matching that supports time warping in large sequence databases. Time warping enables finding sequences with similar patterns even when they are of different lengths. In earlier work, we suggested an efficient method for whole matching under time warping. This method constructs a multidimensional index on a set of feature vectors, which are invariant to time warping, from data sequences. For filtering at feature space, it also applies a lower-bound function, which consistently underestimates the time warping distance as well as satisfies the triangular inequality. In this paper, we incorporate the prefix-querying approach based on sliding windows into the earlier approach. For indexing, we extract a feature vector from every subsequence inside a sliding window and construct a multi-dimensional index using a feature vector as indexing attributes. For query precessing, we perform a series of index searches using the feature vectors of qualifying query prefixes. Our approach provides effective and scalable subsequence matching even with a large volume of a database. We also prove that our approach does not incur false dismissal. To verily the superiority of our method, we perform extensive experiments. The results reseal that our method achieves significant speedup with real-world S&P 500 stock data and with very large synthetic data.

• 한국소음진동공학회논문집
• /
• 제16권1호
• /
• pp.27-33
• /
• 2006

Fault diagnosis and condition monitoring for rotating machines are important for efficiency and accident prevention. The process of fault diagnosis is to extract the feature of signals and to classify each state. Conventionally, fault diagnosis has been developed by combining signal processing techniques for spectral analysis and pattern recognition, however these methods are not able to diagnose correctly for certain rotating machines and some faulty phenomena. In this paper, we add a minimum detection error algorithm to the previous method to reduce detection error rate. Vibration signals of the induction motor are measured and divided into subband signals. Each subband signal is processed to obtain the RMS, standard deviation and the statistic data for constructing the feature extraction vectors. We make a study of the fault diagnosis system that the feature extraction vectors are applied to K-means clustering algorithm and minimum detection error algorithm.

• 전자공학회논문지CI
• /
• 제38권1호
• /
• pp.19-25
• /
• 2001

공간 필터링 신경회로망을 이용한 필기체 문자 인식의 특징 추출 방법을 제안한다. 필기체 문자의 특징 추출을 위한 신경망은 먼저, 불규칙한 화소를 제거하는 전처리를 수행한다. 그 후, 윤곽선 검출 및 제거를 통해 외곽선 정보들을 소거한다. 그리고 문자의 특징에 해당하는 정보를 추출한 후 잡음을 제거한다. 제안된 시스템은 시각영역에서 나타나는 여러 가지 세포들의 수용 영역에 대응하는 공간 필터를 활용한 것이다. 제안된 시스템의 타당성을 확인하기 위한 실험은 PE2 데이터를 사용하였다. 실험을 통해 공간필터링 신경회로망을 이용한 필기체 문자의 특징 추출 시스템은 곡선이나 원, 사각형이 포함된 형태의 필기 문자에서도 특징 추출이 용이하다는 것을 확인할 수 있다.

• 제어로봇시스템학회논문지
• /
• 제12권9호
• /
• pp.935-944
• /
• 2006

EMG pattern recognition is essential for the control of a multifunction myoelectric hand. The main goal of this study is to develop an efficient feature projection method for EMC pattern recognition. To this end, we propose a linear supervised feature projection that utilizes linear discriminant analysis (LDA). We first perform wavelet packet transform (WPT) to extract the feature vector from four channel EMC signals. For dimensionality reduction and clustering of the WPT features, the LDA incorporates class information into the learning procedure, and finds a linear matrix to maximize the class separability for the projected features. Finally, the multilayer perceptron classifies the LDA-reduced features into nine hand motions. To evaluate the performance of LDA for the WPT features, we compare LDA with three other feature projection methods. From a visualization and quantitative comparison, we show that LDA has better performance for the class separability, and the LDA-projected features improve the classification accuracy with a short processing time. We implemented a real-time pattern recognition system for a multifunction myoelectric hand. In experiment, we show that the proposed method achieves 97.2% recognition accuracy, and that all processes, including the generation of control commands for myoelectric hand, are completed within 97 msec. These results confirm that our method is applicable to real-time EMG pattern recognition far myoelectric hand control.

• 전자공학회논문지
• /
• 제51권11호
• /
• pp.181-186
• /
• 2014

본 논문에서는 보행자 상반신 검출기의 성능을 향상하기 위한 세그먼테이션에 기반한 특징 추출 방법을 제안한다. 상반신의 부분별 색상 분포를 활용한 멀티 파트 컬러 세그먼테이션을 사용하여 국소 특징이 갖는 한계로 인해 발생하는 오검출의 감소에 효과적인 "전역적" 윤곽 특징을 추출한다. 컬러 공간과 히스토그램 분해도에 따른 성능을 분석하였으며, 자체 구축한 보행자 상반신 영상을 사용한 실험을 통해서 제안한 방법으로 추출한 특징이 국소 특징 기반 검출기의 오검출 감소에 효과적임을 확인하였다.

• Journal of Information Processing Systems
• /
• 제14권4호
• /
• pp.807-823
• /
• 2018

Speaker verification system performance depends on the utterance of each speaker. To verify the speaker, important information has to be captured from the utterance. Nowadays under the constraints of limited data, speaker verification has become a challenging task. The testing and training data are in terms of few seconds in limited data. The feature vectors extracted from single frame size and rate (SFSR) analysis is not sufficient for training and testing speakers in speaker verification. This leads to poor speaker modeling during training and may not provide good decision during testing. The problem is to be resolved by increasing feature vectors of training and testing data to the same duration. For that we are using multiple frame size (MFS), multiple frame rate (MFR), and multiple frame size and rate (MFSR) analysis techniques for speaker verification under limited data condition. These analysis techniques relatively extract more feature vector during training and testing and develop improved modeling and testing for limited data. To demonstrate this we have used mel-frequency cepstral coefficients (MFCC) and linear prediction cepstral coefficients (LPCC) as feature. Gaussian mixture model (GMM) and GMM-universal background model (GMM-UBM) are used for modeling the speaker. The database used is NIST-2003. The experimental results indicate that, improved performance of MFS, MFR, and MFSR analysis radically better compared with SFSR analysis. The experimental results show that LPCC based MFSR analysis perform better compared to other analysis techniques and feature extraction techniques.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 추계학술대회 논문집 학회본부
• /
• pp.404-406
• /
• 1996

The objective of this paper is to present a new feature-vector extraction method for the automatic detection and classification of power quality(PQ) disturbances, where FFT, DWT(Discrete Wavelet Transform), and data compression are utilized to extract an appropriate feature vector. In particular, the proposed classifier consists of three parts: i.e., (i) automatic detection of PQ disturbances, where the wavelet transform and signal power estimation method are utilized to detect each disturbance, (ii) feature vector extraction from the detected disturbance, and (iii) automatic classification, where Multi-Layer Perceptron(MLP) is used to classify each disturbance from the corresponding extracted feature vector. To demonstrate the performance and applicability of the proposed classification algorithm, some test results obtained by analyzing 7-class power quality disturbances generated by the EMTP are also provided.

• 융합신호처리학회논문지
• /
• 제4권3호
• /
• pp.21-26
• /
• 2003

본 논문은 퓨리에 변환을 이용한 3차원 폐곡면 객체의 특징 벡터 추출 기법을 제시한다. 특징 벡터는 3차원극좌표계를 이용하여 폐곡면 객체의 회전각도별 내측거리값을 퓨리에 변환을 통해 주파수 영역으로 변환하여 추출한다. 특징 벡터는 폐곡면 표면점과 중심점과의 관계를 나타내는 내측거리값을 활용하므로 위치 이동에 불변이고 내측거리값은 퓨리에 변환 전 정규화되기 때문에 크기 변화에 불변이며 퓨리에 변환 후 파워 스펙트럼을 적용하여 회전 변화 불변임을 보여주고 있다. 실험 결과 위치 이동, 크기 변화, 회전 변화에 불변임을 알 수 있고 서로 상이한 객체간에 변별력이 있어 객체 고유의 특징 벡터로써 활용이 가능함을 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권4호
• /
• pp.219-226
• /
• 2013

특징 선택은 기계 학습 및 패턴 인식 분야에서 중요한 이슈 중 하나로, 분류 정확도를 향상시키기 위해 원본 데이터가 주어졌을 때 가장 좋은 성능을 보여줄 수 있는 데이터의 부분집합을 찾아내는 방법이다. 즉, 분류기의 분류 목적에 가장 밀접하게 연관되어 있는 특징들만을 추출하여 새로운 데이터를 생성하는 것이다. 본 논문에서는 소프트웨어 재사용의 성공 요인과 실패 요인에 대한 분류 정확도를 향상시키기 위해 특징 부분 집합을 찾는 실험을 하였다. 그리고 기존 연구들과 비교 분석한 결과 본 논문에서 찾은 특징 부분 집합으로 분류했을 때 가장 좋은 분류 정확도를 보임을 확인하였다.