메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 소프트웨어 및 응용 정보과학회논문지 : 소프트웨어 및 응용 제31권 제3호
발행연도
2004.3
수록면
361 - 368 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 온라인 학습 자료의 비선형 특징(feature) 추출을 위한 새로운 온라인 비선형 주성분분석(OL-NPCA : On-line Nonlinear Principal Component Analysis) 기법을 제안한다. 비선형 특징 추출을 위한 대표적인 방법으로 커널 주성분방법(Kernel PCA)이 사용되고 있는데 기존의 커널 주성분 분석 방법은 다음과 같은 단점이 있다. 첫째 커널 주성분 분석 방법을 N 개의 학습 자료에 적용할 때 N×N 크기의 커널 행렬의 저장 및 고유벡터를 계산 하여야 하는데, N의 크기가 큰 경우에는 수행에 문제가 된다. 두 번째 문제는 새로운 학습 자료의 추가에 의한 고유공간을 새로 계산해야 하는 단점이 있다. OL-NPCA는 이러한 문제점들을 점진적인 고유공간 갱신 기법과 특징 사상 함수에 의해 해결하였다. Toy 데이타와 대용량 데이타에 대한 실험을 통해 OL-NPCA는 다음과 같은 장점을 나타낸다. 첫째 메모리 요구량에 있어 기존의 커널 주성분분석 방법에 비해 상당히 효율적이다. 두 번째 수행 성능에 있어 커널 주성분 분석과 유사한 성능을 나타내었다. 또한 제안된 OL-NPCA 방법은 재학습에 의해 쉽게 성능이 향상 되는 장점을 가지고 있다.

목차

요약

Abstract

1. 서론

2. 온라인 PCA

3. 온라인 비선형 PCA(OL - NPCA)

4. 실험 및 결과

5. 결론

참고문헌

저자소개

참고문헌 (14)

참고문헌 신청
[학술지(정기간행물)] - H. Murakami / 1982. / Efficient calculation of primary images from a set of images : 511 ~ 515 google schola [학술지(정기간행물)] - J. Winkeler, / June1999 / Subset selection for active object recognition 2 : 511 ~ 516 google schola [학술지(정기간행물)] - P. Hall / September1998. / Incremental eigenalysis for classification 1 : 286 ~ 295 google schola [학술지(정기간행물)] - M.E. Tipping / 1998. / Mixtures of probabilistic principal component analysers 11 (2) : 443 ~ 482 google schola [학술지(정기간행물)] - K.I. Diamantaras / 1996. / Principal Component Neural Networks: Theory and Applications google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

실세계의 고차원 자료를 위한 분류 시스템 개발
김병주 한국정보기술학회논문지 2011 .10
클래스가 부가된 커널 주성분분석을 이용한 비선형 특징추출
박명수 ,  오상록 전자공학회논문지-SC 2011 .09
Kernel-PCA를 이용한 개선된 얼굴인식 기법
박종대 ,  강대성 Proceedings of KIIT Conference 2010 .05
KPCA 및 서포트 벡터머신을 이용한 얼굴인식에 대한 연구
치엔징천 ,  강대성 한국정보기술학회논문지 2010 .03
점진적인 주성분분석기법을 이용한 고차원 자료의 특징 추출
김병주 한국정보통신학회논문지 2004 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017890149