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
- 학위논문
- 저자정보
- 지도교수
- 최상일
- 발행연도
- 2017
- 저작권
- 단국대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
전자코 시스템은 인간의 후각의 단점을 보완하고 위험한 환경에서 사용 가능하다는 장점이 있어 많은 분야에서 데이터 측정 도구 등 다양한 용도로 사용될 수 있다. 좋은 분류 성능을 갖는 전자코를 설계하기 위해서는 효과적인 분류기의 선택도 중요하지만 분류기의 입력으로 사용되는 특징을 분류 목적에 적합하도록 추출하는 것 또한 매우 중요하다.
기체 분류에 유용한 특징을 추출하기 위해서는 먼저 센서를 통해 전자코 데이터를 안정적으로 취득하여야 한다. 그러나 전자코가 활용되는 실제 환경에서는 설치 환경이나 전기적인 문제에 의해서 센서 데이터에 이상치(outlier)나 노이즈가 발생할 수 있는데, 이는 효과적인 특징 추출을 어렵게 만들어 결과적으로 전자코 시스템의 분류 성능을 떨어뜨릴 수 있다.
본 논문에서는 센서를 통한 데이터 취득 과정에서 일부 데이터가 손실되거나 노이즈에 의해 손상되었을 경우, 통계적 학습을 기반으로 데이터를 복원하는 방법을 제안하였다. L2-PCA(Principal Component Analysis)는 센서 데이터와 같은 고차원 데이터에 대해 차원을 축소하고 노이즈 제거를 위한 복원 방법으로 사용된 바 있다. 그러나 L2-norm을 사용하는 L2-PCA의 경우 특징을 추출하는 과정에서 이상치 데이터 값이 과도하게 반영되어 실제 데이터의 분포를 제대로 나타내지 못하는 경우가 발생한다. 제안한 방법에서는 데이터 복원을 위해 L2-PCA 대신 이상치 데이터에 보다 강인한 L1-PCA를 사용하고 반복 가중치 적합법(Iteratively Reweighted Fitting, IRF)을 적용함으로써 데이터의 복원 에러를 감소시킬 수 있었다. 복원된 데이터와 무손실 데이터와의 RMS 에러 측정 결과, 제안한 방법에 의해 데이터가 효과적으로 복원되는 것을 확인 할 수 있었으며, 손상된 데이터와 복원 데이터에 대한 가스 분류 실험을 통해, 데이터가 손상 된 경우에도 제안한 방법으로 데이터를 복원함으로써 데이터 손상으로 인한 분류 성능의 감소 폭이 크게 줄어든 것을 확인 할 수 있었다.
기체 분류에 유용한 특징을 추출하기 위해서는 먼저 센서를 통해 전자코 데이터를 안정적으로 취득하여야 한다. 그러나 전자코가 활용되는 실제 환경에서는 설치 환경이나 전기적인 문제에 의해서 센서 데이터에 이상치(outlier)나 노이즈가 발생할 수 있는데, 이는 효과적인 특징 추출을 어렵게 만들어 결과적으로 전자코 시스템의 분류 성능을 떨어뜨릴 수 있다.
본 논문에서는 센서를 통한 데이터 취득 과정에서 일부 데이터가 손실되거나 노이즈에 의해 손상되었을 경우, 통계적 학습을 기반으로 데이터를 복원하는 방법을 제안하였다. L2-PCA(Principal Component Analysis)는 센서 데이터와 같은 고차원 데이터에 대해 차원을 축소하고 노이즈 제거를 위한 복원 방법으로 사용된 바 있다. 그러나 L2-norm을 사용하는 L2-PCA의 경우 특징을 추출하는 과정에서 이상치 데이터 값이 과도하게 반영되어 실제 데이터의 분포를 제대로 나타내지 못하는 경우가 발생한다. 제안한 방법에서는 데이터 복원을 위해 L2-PCA 대신 이상치 데이터에 보다 강인한 L1-PCA를 사용하고 반복 가중치 적합법(Iteratively Reweighted Fitting, IRF)을 적용함으로써 데이터의 복원 에러를 감소시킬 수 있었다. 복원된 데이터와 무손실 데이터와의 RMS 에러 측정 결과, 제안한 방법에 의해 데이터가 효과적으로 복원되는 것을 확인 할 수 있었으며, 손상된 데이터와 복원 데이터에 대한 가스 분류 실험을 통해, 데이터가 손상 된 경우에도 제안한 방법으로 데이터를 복원함으로써 데이터 손상으로 인한 분류 성능의 감소 폭이 크게 줄어든 것을 확인 할 수 있었다.
목차
Ⅰ. 서론 1Ⅱ. 관련연구 31. L2-주성분 분석 방법(L2-Principal Component Analysis) 32. 선형 판별 분석(Linear Discriminant Analysis) 7Ⅲ. 반복 가중치 L1-주성분(L1-PCA) 분석을 이용한 데이터 복원 91. 반복 가중치 L1-주성분 분석 방법(L1-PCA) 92. 데이터 복원(Data Reconstruction) 12Ⅳ. 실험 결과 및 고찰 151. 전자코 데이터 수집 152. 데이터 복원 결과 및 분류율(Data Reconstruction Result & Gas Classification Rate) 19Ⅴ. 결론 28참고문헌 30영문요약 34
최근 본 자료
댓글(0)
0