DOI QR코드

DOI QR Code

Independent Component Analysis Applied on Odor Sensing Measurement Data for Multimedia Communication

차세대 멀티미디어 통신을 위한 후각정보 측정데이터의 독립성분분석

  • 권기현 (강원대학교 공과대학 전자정보통신공학부) ;
  • 최형진 (강원대학교 IT대학 컴퓨터과학과) ;
  • 황성호 (강원대학교 공과대학 전자정보통신공학부) ;
  • 주상렬 (강원대학교 자연과학대학 정보통계학과)
  • Published : 2009.08.31

Abstract

Odor sensing system that is electronic nose device and its signal processing technique has potential to become a critical service for the people who require tangibility of sense of smell in the multimedia communication. PCA(Principal Component Analysis) have been used for dimensionality reduction and visualization of multivariate measurement data. PCA is good for estimating importance value by variance of data but, have some limitation for getting meaningful representation from odor sensing system. This paper explain about how to analyze the data of odor sensing system by ICA(Independent Component Analysis). We show that ICA can give better result like sensor drift analysis, dimensionality reduction and data representation by improved discrimination.

후각 정보의 실감성을 높일 수 있는 멀티미디어 통신 시스템에서 후각정보 전달을 위한 오더(odor) 센싱 시스템 및 관련 신호 처리 기술 개발은 차세대 멀티미디어 산업을 위한 핵심 과제로 떠오르고 있다. 오더 센싱 시스템의 성능 측정에 전통적으로 많이 사용된 방법은 주성분분석(PCA)이다. PCA는 분산에 기반한 도구로서 많은 경우 잘 동작한다. 그러나 오더 센싱 측정 데이터에 대해서는 의미 있는 값을 표시하는 것에 한계가 있다. 이 논문은 독립성분분석(ICA)을 사용하여 오더 센싱 데이터를 분석하는 방법을 설명한다. PCA와 ICA의 차이를 실질적인 측정데이터를 사용하여 비교하도록 한다. 실험을 통해 ICA가 개선된 변별력으로 센서의 경향 분석, 차원축소, 보다 적합한 데이터 표현 등에 있어 PCA보다 나은 결과를 도출함을 보인다.

Keywords

References

  1. M. Kendall, Multivariate Analysis. London, U.K.: Charles Griffin, 1975
  2. A. Hyv$\ddot{a}$rinen and E. Oja, "Survey on independent component analysis," Neural Comput. Surveys, vol. 2, pp. 94–128, 1999
  3. A. Hyvärinen, J. Karhunen, and E. Oja, Independent Component Analysis. New York: Wiley, 2001
  4. P. Comon, "Independent component analysis – A new concept?," Signal Process., vol. 36, pp. 287–314, 1994 https://doi.org/10.1016/0165-1684(94)90029-9
  5. A. Hyvärinen and E. Oja, "Independent component analysis: Algorithms and applications,"Neural Networks, vol. 13, no. 4–5, pp. 411–430, 2000 https://doi.org/10.1016/S0893-6080(00)00026-5
  6. C. Jutten and J. Herault, “Blind separation of sources, Part I: An adaptive algorithm based on neuromimetic architecture,” Signal Process., vol. 24, pp. 1–10, 1991 https://doi.org/10.1016/0165-1684(91)90079-X
  7. A. J. Bell and T. J. Sejnowski, 'An information- maximization approach to blind separation and blind deconvolution,' Neural Comput., vol. 7, pp. 1129–1159, 1995 https://doi.org/10.1162/neco.1995.7.6.1129
  8. T. Cover and J. Thomas, Elements of Information Theory. New York: Wiley, 1991, vol. 1
  9. A. Hyv$\ddot{a}$rinen, 'Fast and robust fixed-point algorithms for independent component analysis,' IEEE Trans. Neural Networks, vol. 10, no. 3, pp. 626–634, 1999 https://doi.org/10.1109/72.761722
  10. J. E. Jackson, A User’s Guide to Principal Components. New York: Wiley, 1991
  11. H. Martens and M. Martens, "Modified jack-knife estimation of parameter uncertainty in bilinear modeling by partial least squares regression (plsr)," Food Qual. Preference, vol. 11, no. 1–2, pp. 5–16, 2000 https://doi.org/10.1016/S0950-3293(99)00039-7
  12. F. Westad and H. Martens, 'Variable selection in near infrared spectroscopy based on significance testing in partial least squares regression," J. Near Infrared Spectrosc., vol. 8, pp. 117–124, 2001
  13. F. Westad and M. Kermit, "Cross validation and uncertainty estimates in independent component analysis," Anal. Chim. Acta, 2003, submitted for publication
  14. B. Efron, The Jack Knife, The Bootstrap and Other Resampling Plans. Philadelphia, PA: SIAM Society for Industrial & Applied Mathematics, 1982
  15. Y. Li, D. Powers, and J. Peach, Comparison of Blind Source Separation Algorithms. Singapore: World Scientific, 2001, pp. 18–23
  16. 변형기, 이준섭, 김정도, "필드 스크린을 위한 휴대용 전자코 시스템의 구현," 한국센서학회 vol. 13 no. 1, pp.41~46, 2004