• 응용통계연구
• /
• 제22권6호
• /
• pp.1203-1214
• /
• 2009

본 논문에서는 시계열자료의 군집분석을 위해 시간영역과 진동수영역에서의 군집 방법들을 소개하고 각 방법들의 장단점에 대해 논의하였다. KOSPI 200에 속한 15개 기업의 일별 주가자료률 이용한 비교분석 결과 비모수적인 방법인 웨이블릿을 이용한 군집분석이 가장 좋은 결과를 보였다. 비정상 시계열자료의 경우 차분 보다는 EMD를 이용하여 추세를 제거하는 방법이 스펙트럼 밀도함수를 이용한 군집분석에 더 효율적이었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.437-438
• /
• 2018

문서 군집화 성능을 높이기 위한 한 방법으로 차원 축소를 적용한 문서 벡터로 군집화를 실시하는 방법이 있다. 본 발표에서는 특이값 분해(SVD), 커널 주성분 분석(Kernel PCA), Doc2Vec 등의 차원 축소 기법을, K-평균 군집화(K-means clustering), 계층적 병합 군집화(hierarchical agglomerative clustering), 스펙트럼 군집화(spectral clustering)에 적용하고, 그 성능을 비교해 본다.

• Journal of Information Processing Systems
• /
• 제14권3호
• /
• pp.727-739
• /
• 2018

This study evaluates the viewpoints of user focus incidents using microblog sentiment analysis, which has been actively researched in academia. Most existing works have adopted traditional supervised machine learning methods to analyze emotions in microblogs; however, these approaches may not be suitable in Chinese due to linguistic differences. This paper proposes a new microblog sentiment analysis method that mines associated microblog emotions based on a popular microblog through user-building combined with spectral clustering to analyze microblog content. Experimental results for a public microblog benchmark corpus show that the proposed method can improve identification accuracy and save manually labeled time compared to existing methods.

• 정보처리학회논문지B
• /
• 제10B권6호
• /
• pp.665-672
• /
• 2003

본 논문에서는 단위음소들의 연결을 통한 음성합성 방법에 관하여 기술한다. 이때, 발생하는 가장 큰 문제점은 두 단위음소 사이의 연결부분에서 불연속이 발생하는 것이며, 특히 다른 화자로부터 녹음한 단위음소의 연결에서 불연속이 많이 발생한다. 이 문제를 해결하기 위하여 본 논문에서는 군집화된 다이폰을 이용하며, 포만트 궤적과 스펙트럼의 분포특성을 사용할 뿐 아니라 인간의 청각적인 특성을 반영하여 스펙트럼을 완만화하는 방법을 제안한다. 즉, 제안하는 방법은 단위음소 연결구간의 스펙트럼 분포특성의 유사도를 사용하여 단위음소들을 군집화하고 단위음소의 연결 구간에서 인간의 청각신경 특성을 고려하여 완만화의 양과 범위를 결정한 다음, 두 다이폰 경계의 스펙트럼 분포를 시간에 따라 가중치를 다르게 주어 스펙트럼 완만화를 수행한다. 이 방법은 불연속을 제거하며 완만화로 인하여 발생할 수 있는 음성의 왜곡을 최소화한다. 제안하는 방법의 성능을 평가하기 위하여 5명으로부터 녹음한 20개의 문장 중에서 추출한 500여 개의 다이폰을 사용하여 실험을 수행하였다.

• 한국멀티미디어학회논문지
• /
• 제16권1호
• /
• pp.19-28
• /
• 2013

In this research, we presented an effective clustering method based on ICA for the analysis of huge Raman hyperspectral dental data. The hyperspectral dataset captured by HR800 micro Raman spectrometer at UMKC-CRISP(University of Missouri-Kansas City Center for Research on Interfacial Structure and Properties), has 569 local points. Each point has 1,005 hyperspectal dentin data. We compared the clustering effectiveness and the clustering time for the case of using all dataset directly and the cases of using the scores after PCA and ICA. As the result of experiment, the cases of using the scores after PCA and ICA showed, not only more detailed internal dentin information in the aspect of medical analysis, but also about 7~19 times much shorter processing times for clustering. ICA based approach also presented better performance than that of PCA, in terms of the detailed internal information of dentin and the clustering time. Therefore, we could confirm the effectiveness of ICA for the analysis of Raman hyperspectral dental data.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 춘계학술대회 논문집
• /
• pp.130-133
• /
• 2007

본 연구는 원격 탐사의 영상 처리에서 영상 분할의 상위 수준으로 웅집 계층 clustering의 dendrogram을 통한 무감독 영상 분류를 제안한다. 제안된 알고리즘은 분광 영역에서 정의된 RAG(Regional Agency Graph)와 min-heap 자료 구조를 이용하여 MCSNP(Mutual Closest Spectral Neighbor Pair)의 집 합을 검색하면서 합병을 수행하는 계층 clustering 방법이다. 계산 시간과 저장 기억의 사용에 대한 효율을 증가시키기 위해 분광적 인접성올 정의 하는 분광 공간(spectral space)내의 다중창을 사용하였고 RNV(Region Neighbor Vector)을 이용하여 합병에 의하여 변하는 RAG 갱신하였고 적정한 단계 수가 주어 진다면 제안된 알고리즘은 집단 합병의 계층적 관계를 쉽게 해석 할 수 있는 dendrogram을 생성한다. 본 연구는 생성된 dendrogram을 이용한 nested-hierarchical 분석을 통하여 피복 형태의 계층적 관계를 해석한다. 이러한 해석은 피복 형태의 정확한 분류를 위한 의사 결정에 중요한 정보를 공급한다.

• 대한원격탐사학회지
• /
• 제6권2호
• /
• pp.115-133
• /
• 1990

Study was made on the spectral characteristics of rock samples including bentonites collected from the northern Ulsan area. The geology of the area consists mainly of sediments of the Kyongsang Series and Bulguksa granite, the Tertiary volcanics, andesites and tuffs. Relative reflectances of meshed samples(2.5~10mm) to BaSO$_4$ are measured at 6 Landsat TM spectral windows (excluding the thermal band) with HHRR, and their reflection charactristics were analysed. In addition, three different data selection schemes including the Eulidean distance, multiple regression, and PCA weight methods were applied to the 30 TM ratio channels, derived from the above 6 bands. The selected data sets were subject to two unsupervised classification techniques(FA and ISODATA) in order to compare the effectiveness for classification of particularly bentonite from others. As a result, in ISODATA analysis the multiple regression model shows the best, followed by the Euliean distances one. The PCA weight model seems to show some confusion. In FA, though difficult for quantitative analysis, the best still seems to be the regression model. Among ratio bands, rations of band 7 or 5 against other bands represent the best contribution in classification of bentonites from others.

• 한국지리정보학회지
• /
• 제8권2호
• /
• pp.44-54
• /
• 2005

본 연구에서는 다양한 위성영상자료(ASTER, KOMPSAT EOC, Landsat TM/ETM+)와 GIS 공간분석을 이용하여 비 접근 지역인 북한 서한만 일대의 간석지를 추출하였다. 특히 위성영상의 분광특성 분석을 통하여 미지형(micro-landform)을 분류하고 경년에 따른 간석지 면적의 변화를 비교 분석 하였다. 이를 위하여 우선 Landsat TM/ETM+의 multi 밴드를 이용하여 한반도에 분포하고 있는 8개의 간석지(서한만, 광량만, 해주만, 강화만, 아산만, 가로림만, 줄포만, 순천만)를 대상으로 분광특성을 분석하고 그 결과를 기반으로 ISODATA clustering 방법을 이용하여 북한 서한만 지역의 미지형 간석지의 미지형 특성을 추출하였다. 또한 경년에 따른 간석지 면적 변화를 알아보기 위하여 고지형도(1918-1920)를 디지털 자료로 변환하여 북한 서해안 전역의 간석지 GIS DB를 구축하였으며 최근의 시기별 다양한 위성영상 자료를 활용하여 작성된 간석지 분포도와 비교분석함으로서 비 접근 지역의 북한 서한만 일대 간석지 면적의 변화를 탐지 하였다. 아울러 간석지 미지형 분류와 경계구분에 효과적인 밴드를 제시하였으며 또한 위성영상자료 활용에 있어서 단일밴드인 우리나라 KOMPSAT EOC영상을 이용한 간석지 추출방법으로 high frequency pass filter method 통한 효율적인 간석지 분류 기법을 제시하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.134-137
• /
• 2005

Unsupervised spectral angle classification (USAC) is the algorithm that can extract ground object information with the minimum 'Spectral Angle' operation on behalf of 'Spectral Euclidian Distance' in the clustering process. In this study, our algorithm uses the unit vector instead of the spectral distance to compute the mean of cluster in the unsupervised classification. The proposed algorithm (MUSAC) is applied to the Hyperion and ETM+ data and the results are compared with K-Meails and former USAC algorithm (FUSAC). USAC is capable of clearly classifying water and dark forest area and produces more accurate results than K-Means. Atmospheric correction for more accurate results was adapted on the Hyperion data (Hyperion-FLAASH) but the results did not have any effect on the accuracy. Thus we anticipate that the 'Spectral Angle' can be one of the most accurate classifiers of not only multispectral images but also hyperspectral images. Furthermore the cluster unit vector can be an efficient technique for determination of each cluster mean in the USAC.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3295-3311
• /
• 2020

With the wide application of hyperspectral images, it becomes more and more important to compress hyperspectral images. Conventional recursive least squares (CRLS) algorithm has great potentiality in lossless compression for hyperspectral images. The prediction accuracy of CRLS is closely related to the correlations between the reference bands and the current band, and the similarity between pixels in prediction context. According to this characteristic, we present an improved CRLS with adaptive band selection and adaptive predictor selection (CRLS-ABS-APS). Firstly, a spectral vector correlation coefficient-based k-means clustering algorithm is employed to generate clustering map. Afterwards, an adaptive band selection strategy based on inter-spectral correlation coefficient is adopted to select the reference bands for each band. Then, an adaptive predictor selection strategy based on clustering map is adopted to select the optimal CRLS predictor for each pixel. In addition, a double snake scan mode is used to further improve the similarity of prediction context, and a recursive average estimation method is used to accelerate the local average calculation. Finally, the prediction residuals are entropy encoded by arithmetic encoder. Experiments on the Airborne Visible Infrared Imaging Spectrometer (AVIRIS) 2006 data set show that the CRLS-ABS-APS achieves average bit rates of 3.28 bpp, 5.55 bpp and 2.39 bpp on the three subsets, respectively. The results indicate that the CRLS-ABS-APS effectively improves the compression effect with lower computation complexity, and outperforms to the current state-of-the-art methods.