• 한국정보전자통신기술학회논문지
• /
• 제2권2호
• /
• pp.23-28
• /
• 2009

본 연구에서는 뇌파를 AR모델로 모델링하여 선형예측계수를 특징 파라미터로 이용할 때와 뇌파의 주파수 대역별 상호상관계수를 이용할 때의 감정상태 분류 성능을 비교해 보고자 하였다. 이를 위하여 분노, 슬픔, 기쁨, 안정의 4가지 감정상태에 따른 뇌파를 4개 채널로부터 수집하여 선형예측계수와 ${\theta}$, ${\alpha}$, ${\beta}$ 대역의 주파수 영역에서의 상호상관계수를 추출하여 이들을 특징 파라미터로 한 감정상태 분류 실험을 수행함으로써 두 방법의 감정상태 분류 성능을 비교하였고, 패턴 분류기로는 신경회로망을 이용하였다. 감정 분류 실험 결과 뇌파의 특징 파라미터로서 선형예측계수를 이용한 결과가 상호상관계수를 이용할 때보다 성능이 월등히 좋은 것을 알 수 있었다.

• Journal of the Korean Wood Science and Technology
• /
• 제47권4호
• /
• pp.385-392
• /
• 2019

In our previous study, we investigated the use of ensemble models based on LeNet and MiniVGGNet to classify the images of transverse and longitudinal surfaces of five Korean softwoods (cedar, cypress, Korean pine, Korean red pine, and larch). It had accomplished an average F1 score of more than 98%; the classification performance of the longitudinal surface image was still less than that of the transverse surface image. In this study, ensemble methods of two different convolutional neural network models (LeNet3 for smartphone camera images and NIRNet for NIR spectra) were applied to lumber species classification. Experimentally, the best classification performance was obtained by the averaging ensemble method of LeNet3 and NIRNet. The average F1 scores of the individual LeNet3 model and the individual NIRNet model were 91.98% and 85.94%, respectively. By the averaging ensemble method of LeNet3 and NIRNet, an average F1 score was increased to 95.31%.

• Journal of information and communication convergence engineering
• /
• 제21권3호
• /
• pp.208-215
• /
• 2023

Deep learning techniques provide powerful solutions to several pattern-recognition problems, including Raman spectral classification. However, these networks require large amounts of labeled data to perform well. Labeled data, which are typically obtained in a laboratory, can potentially be alleviated by data augmentation. This study investigated various data augmentation techniques and applied multiple deep learning methods to Raman spectral classification. Raman spectra yield fingerprint-like information about chemical compositions, but are prone to noise when the particles of the material are small. Five augmentation models were investigated to build robust deep learning classifiers: weighted sums of spectral signals, imitated chemical backgrounds, extended multiplicative signal augmentation, and generated Gaussian and Poisson-distributed noise. We compared the performance of nine state-of-the-art convolutional neural networks with all the augmentation techniques. The LeNet5 models with background noise augmentation yielded the highest accuracy when tested on real-world Raman spectral classification at 88.33% accuracy. A class activation map of the model was generated to provide a qualitative observation of the results.

• 전자공학회논문지SC
• /
• 제47권4호
• /
• pp.40-46
• /
• 2010

본 논문은 혈소판으로부터 측정한 라만 스펙트럼을 알츠하이머병(AD: Alzheimer's Disease) 진단에 사용하는 연구에 관한 것이다. 실험에 사용한 라만 스펙트럼은 다음과 같은 몇 가지 전처리 과정을 거친 다음 분류기를 이용하여 질병의 유무를 판별하였다. 먼저 스펙트럼은 간단한 smoothing을 거친 다음 스펙트럼의 각 피크 크기를 쉽게 측정할 수 있도록 기준선 (baseline)의 왜곡을 차감하였고, 그 다음 기준 피크를 중심으로 그 위치를 정렬한다. 이와 같은 전처리 과정을 수행한 라만 스펙트럼으로부터 AD과 정상상태(NOR: normal)를 구분할 수 있는 특징을 조사하였는데 그 결과 여러 피크들 중 743과 757 $cm^{-1}$ 영역의 피크 비와 1658 $cm^{-1}$ 영역의 피크 크기가 AD와 NOR 스펙트럼에서 가장 변별력 있는 특징을 나타내는 것을 확인하였다. 이 특징들을 MAP(maximum a posteriori)와 MLP(multi-layer perceptron) 분류기에 사용하여 총 278개의 스펙트럼에 적용한 결과 MLP에서 평균 약 95.5%의 분류율을 보였다. 이 결과는 혈소판 라만 스펙트럼이 알츠하이머병 진단에 매우 효과적으로 사용될 수 있음을 보여준다.

• 스마트미디어저널
• /
• 제2권2호
• /
• pp.33-38
• /
• 2013

본 논문에서는 급성 알코올성 간 손상과 만성 에탄올성 간섬유증이 유도된 마우스로부터 획득한 라만 스펙트럼에서 배경 잡음을 제거하기 위한 기준선 추정 방법을 조사하였다. 기준선을 추정하기 위해 일차 미분, 선형계획법, rolling ball을 이용한 방법을 적용하였다. 각 방법의 적절한 압력 파라미터를 MAP(maximum a posteriori probability)의 훈련율에 의해 결정하였다. 실험 절과에 따르면 rolling ball 알고리즘을 이용한 기준선 추정 방법이 급성 알코올성 간 손상과 만성 에탄올성 간섬유증의 MAP 분류에서 평균 89.4%로 가장 좋은 결과를 나타냈다. 이 결과로부터 라만 스펙트럼의 기준선 추정에 적절한 방법과 파라미터를 결정하는 것이 분류 성능에 미치는 영향을 확인하였다.

• 한국지진공학회논문집
• /
• 제20권4호
• /
• pp.245-256
• /
• 2016

In the companion paper (I - Database and Site Response Analyses), site-specific response analyses were performed at more than 300 domestic sites. In this study, a new site classification system and design response spectra are proposed using results of the site-specific response analyses. Depth to bedrock (H) and average shear wave velocity of soil above the bedrock ($V_{S,Soil}$) were adopted as parameters to classify the sites into sub-categories because these two factors mostly affect site amplification, especially for shallow bedrock region. The 20 m of depth to bedrock was selected as the initial parameter for site classification based on the trend of site coefficients obtained from the site-specific response analyses. The sites having less than 20 m of depth to bedrock (H1 sites) are sub-divided into two site classes using 260 m/s of $V_{S,Soil}$ while the sites having greater than 20 m of depth to bedrock (H2 sites) are sub-divided into two site classes at $V_{S,Soil}$ equal to 180 m/s. The integration interval of 0.4 ~ 1.5 sec period range was adopted to calculate the long-period site coefficients ($F_v$) for reflecting the amplification characteristics of Korean geological condition. In addition, the frequency distribution of depth to bedrock reported for Korean sites was also considered in calculating the site coefficients for H2 sites to incorporate sites having greater than 30 m of depth to bedrock. The relationships between the site coefficients and rock shaking intensity were proposed and then subsequently compared with the site coefficients of similar site classes suggested in other codes.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.3112-3112
• /
• 2001

Near-Infrared Spectroscopy (NIRS) was investigated aiming at the identification of falsified drugs. The identification is based on comparison of the NIR spectrum of a sample with a typical spectra of an authentic drug using multivariate modelling and classification algorithms (PCA/SIMCA). Two spectrophotometers (Brimrose - Luminar 2000 and 2030), based on acoustic-optical filter (AOTF) technology, sharing the same controlling computer, software (Brimrose - Snap 2.03) and the data acquisition electronics, were employed. The Luminar 2000 scans the range 850 1800 nm and was employed for transmitance/absorbance measurements of liquids with a transflectance optical bundle probe with total optical path of 5 mm and a circular area of 0.5 $\textrm{cm}^2$. Model 2030 scans the rage 1100 2400 nm and was employed for reflectance measurement of solids drugs. 300 spectra, acquired in about 20 s, were averaged for each sample. Chemometric treatment of the spectral data, modelling and classification were performed by using the Unscrambler 7.5 software (CAMO Norway). This package provides the Principal Component Analysis (PCA) and SIMCA algorithms, used for modelling and classification, respectively. Initially, NIRS was evaluated for spectrum acquisition of various drugs, selected in order to accomplish the diversity of physico-chemical characteristics found among commercial products. Parameters which could affect the spectra of a given drug (especially if presented as solid tablets) were investigated and the results showed that the first derivative can minimize spectral changes associated with tablet geometry, physical differences in their faces and position in relation to the probe beam. The effect of ambient humidity and temperature were also investigated. The first factor needs to be controlled for model construction because the ambient humidity can cause spectral alterations that should cause the wrong classification of a real drug if the factor is not considered by the model.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1997년도 한국자동제어학술회의논문집; 한국전력공사 서울연수원; 17-18 Oct. 1997
• /
• pp.1436-1439
• /
• 1997

The objective of this paper is to present an efficient and practical approach to the automatic classification of power quality(PQ) disturbances, where and orthogonal polynomial approximation method is emloyed for the detection and localization of PQ disturbances, and a feature vector, newly extracted form the bispectra of the detected signal, is utilized for the automatic rectgnition of the various types of PQ disturbances. To demonstrae the performance and applicabiliyt of the proposed approach, some simulation results are provided.

• 전자공학회논문지
• /
• 제50권8호
• /
• pp.196-202
• /
• 2013

기저 세포암은 가장 일반적인 피부암이고 그 발병이 급속도로 증가하고 있다. 본 연구에서는 피부 조직에서 측정한 라만 스펙트럼에서 기저 세포암 진단을 위해 NMF(non-negative matrix factorization) 알고리즘을 사용하는 방법을 제안하였다. 측정된 라만 스펙트럼은 영역 선택과 정규화 등의 몇 가지 전처리 과정을 거쳐 분류 실험에 사용한다. 전처리 과정을 수행한 라만 스펙트럼은 NMF 알고리즘을 이용하여 분해된 행렬의 열벡터를 기저로 사용한다. 이 기저들을 선형 결합하여 각 클래스의 평균 스펙트럼에 근사하기 위한 가중치는 행렬 연산으로 결정한다. 분류 실험은 스펙트럼과 NMF에 의한 기저와 가중치의 선형 결합 스펙트럼의 차에 대한 제곱평균제곱근을 최소로 하는 클래스를 선택하는 것으로 수행한다. 기저 세포암의 진단을 위한 분류 실험에서 제안한 방법을 사용하는 경우가 약 99.1%의 평균 분류율로 이전의 BCC 진단에 사용한 방법보다 약 2-3% 정도의 향상된 성능을 보였다.

• 환경생물
• /
• 제39권4호
• /
• pp.581-589
• /
• 2021

본 연구는 메꽃과 6종의 식물에 대해 신속하고 비파괴적으로 분류하기 위해 근적외선(Vis-NIR) 스펙트럼을 이용하였고 데이터의 전처리와 머신러닝 기술을 적용하였다. 전국적으로 분포하는 메꽃과 6종에 대해 야외에서 휴대용 분광기를 이용하여 판별하였다. 식물의 잎의 표면에서 400~1,075 nm의 근적외선 스펙트럼(1.5 nm)을 수집하였다. 수집된 스펙트럼 데이터는 3가지의 전처리와 raw데이터를 이용하였고 4종류의 머신러닝 모델을 적용하여 높은 판별 정확도를 확인하였다. 전처리와 머신러닝 모델의 조합을 통해 분석된 판별의 정확도는 43~99%의 범위로 분석되었고, standard normal variate 전처리와 support vector machine 머신러닝 모델의 조합에서 판별 정확도가 98.6%로 가장 높게 나타났다. 본 연구에서 수집된 스펙트럼은 식물의 성장단계, 다양한 측정 지역 및 잎에서의 측정 위치 등과 같은 요인과 더불어 데이터 분석을 위한 조건으로 최적의 전처리와 머신러닝 기술을 적용한다면 메꽃과 식물의 야외에서의 정확한 분류가 가능하고 이들 식물의 효과적인 관리와 모니터링에 활용할 수 있을 것으로 판단되었다.