• Geomechanics and Engineering
• /
• 제13권5호
• /
• pp.861-879
• /
• 2017

Coal and gas outburst is a serious dynamic disaster that occurs during coal mining and threatens the lives of coal miners. Currently, coal and gas outburst is commonly predicted using single indicator and its critical value. However, single indicator is unable to fully reflect all of the factors impacting outburst risk and has poor prediction accuracy. Therefore, a more accurate prediction method is necessary. In this work, we first analyzed on-site impacting factors and precursors of coal and gas outburst; then, we constructed a Fisher discriminant analysis (FDA) index system using the gas adsorption index of drilling cutting ${\Delta}h_2$, the drilling cutting weight S, the initial velocity of gas emission from borehole q, the thickness of soft coal h, and the maximum ratio of post-blasting gas emission peak to pre-blasting gas emission $B_{max}$; finally, we studied an FDA-based multiple indicators discriminant model of coal and gas outburst, and applied the discriminant model to predict coal and gas outburst. The results showed that the discriminant model has 100% prediction accuracy, even when some conventional indexes are lower than the warning criteria. The FDA method has a broad application prospects in coal and gas outburst prediction.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.832-854
• /
• 2019

Action recognition has been studied in computer vision field for years. We present an effective approach to recognize actions using a dimension reduction method, which is applied as a crucial step to reduce the dimensionality of feature descriptors after extracting features. We propose to use sparse matrix and randomized kd-tree to modify it and then propose modified Local Fisher Discriminant Analysis (mLFDA) method which greatly reduces the required memory and accelerate the standard Local Fisher Discriminant Analysis. For feature encoding, we propose a useful encoding method called mix encoding which combines Fisher vector encoding and locality-constrained linear coding to get the final video representations. In order to add more meaningful features to the process of action recognition, the convolutional neural network is utilized and combined with mix encoding to produce the deep network feature. Experimental results show that our algorithm is a competitive method on KTH dataset, HMDB51 dataset and UCF101 dataset when combining all these methods.

• 전기전자학회논문지
• /
• 제13권2호
• /
• pp.140-149
• /
• 2009

최근 인터넷을 통한 각종 침해사고 및 트래픽 폭주와 같은 현상이 급격하게 증가함에 따라 네트워크의 비정상적 상황을 조기에 탐지하기 위한 보다 능동적이고 진보적인 기술이 요구되고 있다. 본 논문에서는 캠퍼스 네트워크와 같이 트래픽이 주기적인 특성을 띠는 환경에서 Fisher 선형 분류법(FLD)을 사용하여 트래픽을 두 개의 그룹으로 분류하고, 네트워크에 유입되는 트래픽이 어떤 그룹에 속하는지를 판별하는 기법을 제안한다. 이를 위해 WISE-Mon이라 불리는 트래픽 분석 시스템을 개발하여 캠퍼스 네트워크의 트래픽을 수집하고 이를 모니터링해서 분석을 수행한다. 생성된 트래픽의 training set을 이용하여 비정상 트래픽의 범위를 판단하기 위한 chi-square distribution을 유도하고, FLD를 적용하여 유입되는 트래픽을 두 그룹으로 분리하기 위한 초평면 (hyperplane)을 만든다. 또한 네트워크 내의 트래픽 패턴이 시간이 지남에 따라 계속적으로 변하는 상황을 반영하기 위하여 self-learning 알고리즘을 적용한다. 캠퍼스 네트워크의 트래픽을 적용한 수학적 결과를 통하여 제안하는 기법의 정확성과 신뢰도를 보여준다.

• 한국멀티미디어학회논문지
• /
• 제16권11호
• /
• pp.1338-1347
• /
• 2013

Face recognition is a science of automatically identifying individuals based their unique facial features. In order to avoid overfitting and reduce the computational reduce the computational burden, a new face recognition algorithm using PCA-fisher linear discriminant (PCA-FLD) and fuzzy radial basis function neural network (RBFNN) is proposed in this paper. First, face features are extracted by the principal component analysis (PCA) method. Then, the extracted features are further processed by the Fisher's linear discriminant technique to acquire lower-dimensional discriminant patterns, the processed features will be considered as the input of the fuzzy RBFNN. As a widely applied algorithm in fuzzy RBF neural network, BP learning algorithm has the low rate of convergence, therefore, an improved learning algorithm based on Levenberg-Marquart (L-M) for fuzzy RBF neural network is introduced in this paper, which combined the Gradient Descent algorithm with the Gauss-Newton algorithm. Experimental results on the ORL face database demonstrate that the proposed algorithm has satisfactory performance and high recognition rate.

• 응용통계연구
• /
• 제30권1호
• /
• pp.83-93
• /
• 2017

k (${\geq}2$) 그룹의 p-차원 데이터의 시각화에서 가장 전형적인 방법은 Fisher의 정준판별분석(canonical discriminant analysis; CDA)이다. CDA는 마할라노비스 공간에서 k개 그룹 중심을 근사하게 통과하는 저차원 부공간에 관측점들을 사영한다. 본 논문은 척도화 유클리드 공간에서 다그룹 다차원 데이터를 시각화하는 방법을 제안하는데, 저차원 부공간의 제1축(또는 제1축과 제2축)은 그룹 중심들의 최대변별(maximum discrimination)에서 찾고 부공간의 제2축(또는 제3축)은 관측개체들의 최대산포(maximum dispersion)에서 찾는다. 이러한 혼종방법(hybrid method)은 2-그룹 다차원 자료의 시각화에서 특히 유용하다.

• Korean Chemical Engineering Research
• /
• 제46권2호
• /
• pp.383-388
• /
• 2008

화학공정의 안전하고 효율적인 운전에 관심이 커지면서 공정이상의 원인을 조기에 진단하기 위한 다양한 이상진단방법이 연구되어 왔다. 최근에는 통계적 모델 등 정량적 데이터에 기반한 이상진단방법이 많이 연구되고 있으나, 특정 조업영역에서 얻어진 통계적 모델을 다른 조업영역에 적용하면 오진단이 많아지게 된다. 따라서 공정특성상 다양한 조업영역이 존재하는 화학공정에 데이터기반 방법론을 적용하기에는 어려움이 있어 화학공정의 조업영역 판별법이 요구되고 있다. 이 연구에서는 유클리드 거리(Euclidean distance), FDA(Fisher's discriminant analysis), PCA(principal component analysis)의 통계모델과 이 모델들에 공정변수의 동특성을 반영한 모델을 제안하였다. 6개의 조업모드를 가진 TE(tennessee eastman) 공정에 대한 사례연구를 통해 동특성을 반영한 PCA 모델의 성능이 가장 우수함을 확인하였다.

• Bulletin of the Korean Chemical Society
• /
• 제7권5호
• /
• pp.347-353
• /
• 1986

Fisher's discriminant method has been applied to the problem of the classification of Korean potsherds, using their elemental composition as analyzed by neutron activation analysis. A combination of analytical data by means of statistical linear discriminant analysis has resulted in removal of redundant variables, optimal linear combination of meaningful variables and formulation of classification rules.

• 대한음성학회지:말소리
• /
• 제64호
• /
• pp.77-88
• /
• 2007

Nowadays, mel-frequency cesptral coefficients (MFCCs) and Gaussian mixture models (GMMs) are used for the pathological voice detection. This paper suggests a method to improve the performance of the pathological/normal voice classification based on the MFCC-based GMM. We analyze the characteristics of the mel frequency-based filterbank energies using the fisher discriminant ratio (FDR). And the feature vectors through the linear discriminant analysis (LDA) transformation of the filterbank energies (FBE) and the MFCCs are implemented. An accuracy is measured by the GMM classifier. This paper shows that the FBE LDA-based GMM is a sufficiently distinct method for the pathological/normal voice classification, with a 96.6% classification performance rate. The proposed method shows better performance than the MFCC-based GMM with noticeable improvement of 54.05% in terms of error reduction.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권11호
• /
• pp.4502-4518
• /
• 2015

Fisher linear discriminant analysis (LDA) is one of the most popular projection techniques for feature extraction and has been widely applied in face recognition. However, it cannot be used when encountering the single sample per person problem (SSPP) because the intra-class variations cannot be evaluated. In this paper, we propose a novel method called local similarity based linear discriminant analysis (LS_LDA) to solve this problem. Motivated by the "divide-conquer" strategy, we first divide the face into local blocks, and classify each local block, and then integrate all the classification results to make final decision. To make LDA feasible for SSPP problem, we further divide each block into overlapped patches and assume that these patches are from the same class. To improve the robustness of LS_LDA to outliers, we further propose local similarity based median discriminant analysis (LS_MDA), which uses class median vector to estimate the class population mean in LDA modeling. Experimental results on three popular databases show that our methods not only generalize well SSPP problem but also have strong robustness to expression, illumination, occlusion and time variation.

• 정보처리학회논문지B
• /
• 제16B권3호
• /
• pp.239-246
• /
• 2009

본 논문은 모바일 폰 기반의 간판 영상내 한글 문자인식에 관한 연구로써 인식 대상은 간판영상에서 추출된 상호명으로 하였고 인식대상 문자 수는 상호명 빈도수 기반 808자로 한정하였다. 인식과정은 특징 추출, 대분류, 상세 분류로 구성되고 특징 추출과정에서는 문자영상의 크기, 잡음 및 왜곡에 강건한 비선형 방향성분 특징을 이용하였고 대분류 과정에서는 추출된 특징과 인식 대상문자에 대하여 최소거리 분류를 수행하고 10순위까지의 후보 문자를 추출하였다. 상세 분류 과정에서는 Fisher discriminant measure 이용하여 대분류에서 발생 할 수 있는 오인 식 결과를 보완하였다. 실험결과 1순위 인식률은 80.45%이고 5순위까지의 누적 인식률은 93.51%를 보였다.