• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.209-212
• /
• 2005

Hyperspectral data consists of more than 200 spectral bands that are highly correlated. In order to utilize hyperspectral data for classification, dimensional reduction or feature extraction is desired. By applying feature extraction, computational complexity of classification can be reduced and classification accuracy may be improved. In this paper, a genetic algorithm based feature extraction technique is proposed. Measure from discriminant analysis is utilized as optimization criterion. A subset of spectral bands is selected by genetic algorithm. Dimension of feature space is further reduced by linear transformation. Feasibility of the proposed technique is evaluated with AVIRIS data.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.10-13
• /
• 2004

Hyperspectral data has a great advantage to classify various surface materials that are spectrally similar. In this study, we attempted to classify man-made materials in urban area using Hyperion data. Hyperion imagery of Seoul was initially processed to minimize radiometric distortions caused by sensor and atmosphere. Using color aerial photographs. we defined seven man-made surfaces (concrete, asphalt road. railroad, buildings, roof, soil, shadow) for the classification in Seoul. The hyperspectral data showed the potential to identify those manmade materials that were difficult to be classified by multispectral data. However. the classification of road and buildings was not quite satisfactory due to the relatively low spatial resolution of Hyperion image. Further, the low radiometric quality of Hyperion sensor was another limitation for the application in urban area.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1329-1331
• /
• 2003

Improvement of the classification accuracy is one of the major concerns in the field of remote sensing application research in recent years. Previous research shows that the accuracy of the conventional classification methods based only on the original spectral information were usually unsatisfied and need to be refined by manual edit. This present paper describes a method of combining the image processing, ancillary data (such as digital elevation model) and expert knowledge (especially the knowledge of local professionals) to improve the efficiency and accuracy of the satellite image classification in hilly land. Firstly, the Landsat TM data were geo-referenced. Secondly, the individual bands of the image were intensitynormalized and the normalized difference vegetation index (NDVI) image was also generated. Thirdly, a set of sample pixels (collected from field survey) were utilized to discover their corresponding DN (digital number) ranges in the NDVI image, and to explore the relationships between land use type and its corresponding spectral features . Then, using the knowledge discovered from previous steps as well as knowledge from local professionals, with the support of GIS technology and the ancillary data, a set of conditional statements were applied to perform the TM imagery classification. The results showed that the integration of image processing and spatial analysis functions in GIS improved the overall classification result if compared with the conventional methods.

• 대한원격탐사학회지
• /
• 제21권6호
• /
• pp.457-468
• /
• 2005

도시화에 따른 불투수 지표면의 증가는 도시환경에 부정적인 영향을 미치게 된다. 따라서 도시 내 불투수 지역의 시공간적 변화 사항을 탐색하고 정량화하는 작업은 도시환경을 연구함에 있어 무엇보다 중요한 일이라 할 수 있다 지난 시기 도시지역의 불투수 지표면을 탐색하는 방법으로는 전통적인 영상분류 기법이 많이 사용되었다. 그러나 기존의 전통적인 영상분류 기법은 영상을 구성하는 각 셀이 지표면에 존재하는 다양한 객체들의 분광특성이 혼합된 결과임에도 불구하고 단 하나의 클래스로만 구분하는 단점을 가진다. 또한 불투수 지표면의 비율을 산정하기 위해서는 영상분류 후 각 분류항목에 불투수율을 할당해야하는 2중의 노력이 필요하며, 각 클래스에 단일한 불투수율을 지정해야만 하는 단점을 갖는다. 본 논문에서는 기존의 영상 분류방법이 갖는 이러한 단점을 보완하고자 불투수 지표면의 비율을 산정하기 위해 분광혼합분석 (spectral mixture analysis) 기법을 이용하였다. 분광혼합분석 기법을 적용하기 위해 식생, 토양, low albedo, high albedo 등 4가지 요소를 엔드멤버로 선택하였으며, 불투수율은 low albedo와 high albedo의 합으로 산정하였다. 대상 연구지역은 지난 십여년 동안 급격한 도시화가 진행된 탄천유역을 선정하였으며, 1988, 1994, 2001년의 Landsat 영상을 이용하여 신도시 건설에 따른 불투수 지표면의 변화율을 검토하였다. 분석결과 탄천유역의 불투수율은 88년 $15.6\%$, 94년 $20.1\%$, 2001년 $24\%$로 증가된 것으로 나타났다. 결론적으로 도시 불투수율을 분석 시 분광혼합분석 기법을 적용할 경우 추가적인 노력 없이 비교적 정확한 불투수율을 얻을 수 있음을 확인할 수 있었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.388-393
• /
• 2002

Remote sensing data is collected and analyzed to enhance understanding of the terrestrial surface. Since Landsat satellite was launched in 1972, many researches using multispectral data has been achieved. Recently, with the availability of airborne and satellite hyperspectral data, the study on hyperspectral data are being increased. It is known that as the number of spectral bands of high-spectral resolution data increases, the ability to detect more detailed cases should also increase, and the classification accuracy should increase as well. In this paper, we classified the hyperspectral and multispectral data and tested the classification accuracy. The MASTER(MODIS/ASTER Airborne Simulator, 50channels, 0.4~13$\mu$m) and Landsat TM(7channels) imagery including Yeong-Gwang area were used and we adjusted the classification items in several cases and tested their classification accuracy through statistical comparison. As a result of this study, it is shown that hyperspectral data offer more information than multispectral data.

• 한국음향학회지
• /
• 제30권2호
• /
• pp.100-106
• /
• 2011

음원의 디지털화가 진행되면서 음악 데이터베이스가 방대해지고 있다. 따라서, 음악 데이터를 보다 효과적으로 관리하기 위해 음악의 특성에 따라 장르별로 자동 분류해주는 시스템이 필요하다. 기존 장르 분류 시스템은 대부분 Mel-Frequency Cepstral Coefficient (MFCC)를 특징 벡터로 이용하고 있다. 본 논문에서는 Auditory Filter Bank를 이용한 Decorrelated Filter Bank (DFB)와 Octave-based Spectral Contrast (OSC)에 texture window를 적용하여 특징을 추출한 후, Support Vector Machine (SVM)을 이용하여 장르 분류를 시도하였다. 기존의 Marsyas 장르 분류 시스템과 비교한 결과 DFB와 OSC로 복합적인 특징 벡터를 구성하면 더 적은 차수의 특징벡터를 사용함에도 4.2 %의 향상된 분류 성공률을 얻을 수 있었다.

• Geomechanics and Engineering
• /
• 제37권6호
• /
• pp.539-554
• /
• 2024

This study explores development of prediction model for seismic site classification through the integration of machine learning techniques with horizontal-to-vertical spectral ratio (HVSR) methodologies. To improve model accuracy, the research employs outlier detection methods and, synthetic minority over-sampling technique (SMOTE) for data balance, and evaluates using seven machine learning models using seismic data from KiK-net. Notably, light gradient boosting method (LGBM), gradient boosting, and decision tree models exhibit improved performance when coupled with SMOTE, while Multiple linear regression (MLR) and Support vector machine (SVM) models show reduced efficacy. Outlier detection techniques significantly enhance accuracy, particularly for LGBM, gradient boosting, and voting boosting. The ensemble of LGBM with the isolation forest and SMOTE achieves the highest accuracy of 0.91, with LGBM and local outlier factor yielding the highest F1-score of 0.79. Consistently outperforming other models, LGBM proves most efficient for seismic site classification when supported by appropriate preprocessing procedures. These findings show the significance of outlier detection and data balancing for precise seismic soil classification prediction, offering insights and highlighting the potential of machine learning in optimizing site classification accuracy.

• 한국음향학회지
• /
• 제24권1호
• /
• pp.29-37
• /
• 2005

본 논문은 한국의 전통 음악, 즉 국악 장르를 자동으로 분류하는 시스템을 제안한다. 제안된 시스템은 입력 음악의 내용기반 분석을 통하여 궁중음악, 풍류방음악, 민속성악, 민속기악, 불교음악, 무속음악 등 6가지 장르중 하나로 자동분류하여 해당 음악의 장르 결과를 보여준다. 국악 장르 분류에 사용된 내용기반 알고리즘은 크게 음악의 특징 벡터 추출 그리고 장르 분류를 위한 패턴인식 과정 2가지로 구성된다. 음악의 특징 벡터 추출은 디지탈 신호 처리기술을 이용하여 해당 음악의 spectral centroid, rolloff, flux 등 STFT (Short Time Fourier Transform) 기반의 특징 계수들과 MFCC (Mel frequency cepstral coefficient), LPC (Linear predictive coding) 등의 계수들을 구한 후 SFS (Sequential Forward Selection) 최적 특징 벡터 열을 선별하여 사용하였으며 패틴 분류 알고리즘으로는 k-NN (k -Nearest Neighbor), Gaussian, GMM (Gaussian Mixture Model), SVM (Support Vector Machine) 분류기를 사용하였다. 특히 본 연구에서는 입력 질의의 패턴 (혹은 구간) 변화에 따른 시스템의 불확실성을 개선하기 위하여 MFC (Multi Feature Clustring) 방법을 이용하여 DB를 구축하였다. 모의실험 결과 k-NN 과 SVM 분류기 모두 $97{\%}$ 이상의 장르 분류 성공률을 보였으나, SVM 이 k-NN에 비해 약 3배 이상의 빠른 분류 성능을 가지고 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제7권2호
• /
• pp.149-163
• /
• 1991

This paper discusses the capabilities of airborne remotely sensed data to detect and classify forest damades. In this work the AMS (Aircraft Multiband Scanner) was used to obtain digital imagery at 300m altitude for forest damage inventory in the Black Forest of Germany. MSS(Multispectral Scanner) digital numbers were converted to spectral emittance and radiance values in 8 spectral bands from the visible to the thermal infrared and submitted to a maximum-likelihood classification for : (1) tree species ; and. (2) damage classes. As expected, the resulted, the results of MSS data with high spatial resolution 0.75m$\times$0.75m enabled the detection and identification of single trees with different damages and were nearly equivalent to the truth information of ground checked data.

• 대한전자공학회논문지SP
• /
• 제45권4호
• /
• pp.100-106
• /
• 2008

본 논문에서는 다양한 잡음 환경에서 음성의 통계적 모델에 기반한 음성 검출기의 성능향상을 위해 PSFM (Power Spectral Flatness Measure)을 이용하여 실시간으로 변별적 가중치 학습 (Discriminative Weight Training) 기반의 최적화된 우도비 테스트 (Likelihood Ratio Test, LRT)를 제안한다. 먼저, 기존의 통계모델기반의 음성 검출기를 분석하고, 이를 기반으로 MCE (Minimum Classification Error)방법을 도입하여 도출한 각 주파수 채널별 가중치를 PSFM 값에 기반하여 실시간 매 프레임마다 다른 가중치를 적용한 우도비 기반의 음성 검출 결정법을 제시한다. 제안된 알고리즘은 다양한 잡음 환경에서 기존에 제시된 음성 검출기와 비교하였으며, 우수한 성능을 보인다.