지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2014.10
- 수록면
- 35 - 45 (11page)
이용수
초록· 키워드
오류제보하기
주성분 분석 기법(PCA)는 가장 널리 사용되는 데이터 차원감소 (dimensionality reduction) 기법으로 알려져 있다. 하지만 데이터에 이상점 (outlier)가 존재하는 환경에서는 성능이 크게 저하된다는 단점을 가지고 있다. Rank-Sparsity(Robust PCA) 기법은 주어진 행렬을 low-rank 행렬과 저밀도(sparse)행렬의 합으로 분해하는 방식으로, 이상점이 많은 환경에서 PCA기법을 효과적으로 대체할 수 있는 알고리즘으로 알려져 있다. 본 고에서는 RPCA 기법을 간략히 소개하고, 그의 적용분야, 및 알고리즘에 관한 연구들을 대해서 알아본다.
목차
요약
Ⅰ. 서론
Ⅱ. 배경 지식
Ⅲ. Robust Principal Component Analysis
Ⅳ. Robust PCA의 적용분야
Ⅴ. RPCA의 구현 알고리즘
Ⅵ. Projection based online RPCA
Ⅶ. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
주성분분석(PCA) 기법에 기반한 CNG 충전소의 이상감지 모니터링 및 진단 시스템 연구
이기준
,
이봉우
,
최동황
외 2명
한국가스학회지
2014
.06
부공간에의 사영에 기반한 RPCA 기법의 온라인 업데이트 기법
이형일
,
이혁
,
이정우
한국통신학회 학술대회논문집
2014
.11
PCA를 이용한 지문인증 성능 개선
채승훈
,
곽근창
,
반성범
한국정보기술학회논문지
2012
.05
Recursive PCA-based Remote Sensor Data Management System Applicable to Sensor Network
Sung-Ho Kim
,
Yui-Su Youk
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2008
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2015-560-002885129