• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권4호
• /
• pp.248-257
• /
• 2002

군집화는 객체들의 특성을 분석하여 유사한 성질을 갖고 있는 객체들을 동일한 집단으로 분류하는 방법이다. 전자 상거래 자료처럼 차원 수가 많고 누락 값이 많은 자료의 경우 입력 자료의 차원축약, 잡음제거를 목적으로 SVD를 사용하여 군집화를 수행하는 것이 효과적이지만, SVD를 통해 변환된 자료는 원래의 속성 정보를 상실하기 때문에 군집 결과분석에서 원본 속성의 가치 해석이 어렵다. 따라서 본 연구는 군집화 수행 후 엔트로피 가중치 및 SVD를 이용하여 군집의 중요한 속성을 발견하기 위한 군집 특징 선택 기법 ENTROPY-SVD를 제안한다. ENTROPY-SVD는 자료의 속성들과 유사객체 군과의 묵시적인 은닉 구조를 활용하기 위하여 SVD를 이용하고 유사객체 군에 포함된 응집도가 높은 속성들을 발견하기 위하여 엔트로피 가중치를 사용한다. 또한 ENTROPY-SVD를 적용한 모델 기반의 협력적 여과기법의 추천 시스템 CFS-CF를 제안하고 그 효용성 및 효과를 평가한다.

• 전자공학회논문지
• /
• 제50권3호
• /
• pp.212-218
• /
• 2013

본 논문에서는 SAR (Synthetic Aperture Radar) 영상에 SVD (Singular Value Decomposition) - Pseudo Spectrum 알고리즘을 적용하고 그 성능을 기존 알고리즘과 비교한다. 이 논문의 목적은 SAR 영상의 해상도 및 목표물 분해능을 높이고자 하는 것이다. 본 논문에서는 신호 성분으로 이루어진 Hankel Matrix와 SVD (Singular Value Decomposition) 방법을 사용하여 잡음에 강인하고 sidelobe이 적으며 스펙트럼 추정에서 해상도를 높인 SVD-Pseudo Spectrum 방법을 제안하였다. 또한 분해될 목표물을 모델링하여 알고리즘의 성능을 분석하고 SVD-Pseudo Spectrum 방법이 기존의 퓨리에 변환 기반 방법과 고해상도 기술 기반의 MUSIC 방법보다 더 좋은 성능을 가짐을 보인다.

• 한국광학회지
• /
• 제4권4호
• /
• pp.363-372
• /
• 1993

설계변수의 직교화와 SVD(singular value decomposition)를 최적화에 도입하고, 이를 double-Gauss형 사진렌즈계에 적용시켜 최적화의 수렴성과 안정성을 일반적인 최소자승법, 감쇠최소자승법의 경우와 비교하였다. 최적화에서 정규방정식의 조건수(고유값의 최대, 최소값의 비)가 최적화의 불안정성과 밀접한 관련이 있다는 것은 이미 알려져 있다. 본 연구에는 SVD를 도입하여 조건수를 제한하여 본 결과 최적화의 안정성이 매우 증진 되었으며, 감쇠최소자승법에서 적은 감쇠항을 주고 직교화와 SVD를 적용시킨 경우가 가장 빠르고 안정하게 수렴하였다. 이것은 변수의 직교화와 SVD가 감쇠최소자승법에서 적은 감쇠항을 줄 때 생기는 불안정성을 잘 극복하고 있음을 나타내고 있다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.165-170
• /
• 2013

2차원 영상으로부터 3차원 모델을 형성할 때, 계산량을 줄이거나 비선형 알고리즘의 초기화를 위해서 선형 알고리즘이 종종 사용된다. 하지만 기존의 선형 알고리즘은 표면적으로는 선형구조의 형태를 갖지만, 실제적으로는 SVD (Singular Value Decomposition)을 사용하여 문제를 풀어야 하는데, 이 SVD 역시 초기화를 필요로 하는 수치해석 알고리즘을 통해 구현된다. 또한 SVD 분해를 사용하는 형태의 해는 닫힌 형태의 해 보다 분석이 어렵다. 이러한 기존 방법의 사용이 불편한 수치해석적인 알고리즘을 피하고, 해의 분석이 편리하도록 본 논문에서는 닫힌 형태의 해석적인 해를 제공하는 편리한 선형방법을 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1649-1665
• /
• 2021

In view of the low accuracy of the traditional FunkSVD algorithm, and in order to improve the computational efficiency of the algorithm, this paper proposes a parallel algorithm of improved FunkSVD based on Spark (SP-FD). Using RMSProp algorithm to improve the traditional FunkSVD algorithm. The improved FunkSVD algorithm can not only solve the problem of decreased accuracy caused by iterative oscillations but also alleviate the impact of data sparseness on the accuracy of the algorithm, thereby achieving the effect of improving the accuracy of the algorithm. And using the Spark big data computing framework to realize the parallelization of the improved algorithm, to use RDD for iterative calculation, and to store calculation data in the iterative process in distributed memory to speed up the iteration. The Cartesian product operation in the improved FunkSVD algorithm is divided into blocks to realize parallel calculation, thereby improving the calculation speed of the algorithm. Experiments on three standard data sets in terms of accuracy, execution time, and speedup show that the SP-FD algorithm not only improves the recommendation accuracy, shortens the calculation interval compared to the traditional FunkSVD and several other algorithms but also shows good parallel performance in a cluster environment with multiple nodes. The analysis of experimental results shows that the SP-FD algorithm improves the accuracy and parallel computing capability of the algorithm, which is better than the traditional FunkSVD algorithm.

• 한국산업정보학회논문지
• /
• 제15권2호
• /
• pp.49-57
• /
• 2010

본 논문에서는 역전파 신경망 알고리즘(BPNN: Back Propagation Neural Network)과 Singular Value Decomposition(SVD)를 이용하는 한글 문서 분류 시스템을 제안한다. BPNN은 학습을 통하여 만들어진 네트워크를 이용하여 문서분류를 수행한다. 이 방법의 어려움은 분류기에 입력되는 특징 공간이 너무 크다는 것이다. SVD를 이용하면 고차원의 벡터를 저차원으로 줄일 수 있고, 또한 의미있는 벡터 공간을 만들어 단어 사이의 중요한 관계성을 구축할 수 있다. 본 논문에서 제안한 BPNN의 성능 평가를 위하여 한국일보-2000/한국일보-40075 문서범주화 실험문서집합의 데이터 셋을 이용하였다. 실험결과를 통하여 BPNN과 SVD를 사용한 시스템이 한글 문서 분류에 탁월한 성능을 가지는 것을 보여준다.

• 한국정밀공학회지
• /
• 제16권2호통권95호
• /
• pp.116-122
• /
• 1999

저차 동적계(특히 카오스계)에서 측정한 시계열의 잡음을 제거하기 위해서 SVD(Singular Value Decomposotion)을 이용한 새로운 간편하고 매우 효과적인 새로운 잡음 제거법이 소개되었다. 이 방법은 위상궤적(phase portraint)을 재구성하는데 중점을 두었으며, 궤적행렬(trajectory matrix)을 구성하는데 그 기본을 두었다. 이 궤적행렬에 SVD를 반복적으로 사용하여 신호와 잡음을 분리하였다. 이 방법은 Duffing계에서 측정한 잡음이 섞인 카오스 신호에 적용되었으며, 또한 실험에 의한 진폭변조된 신호에도 적용되었다.

• 대한의생명과학회지
• /
• 제11권2호
• /
• pp.129-134
• /
• 2005

Three different deconvolution techniques for quantifying cerebral blood flow (CBF) from whole brain $T2^{\ast}-weighted$ bolus tracking images were implemented (parametric Fourier transform P-FT, parametric single value decomposition P-SVD and nonparametric single value decomposition NP-SVD). The techniques were tested on 206 regions from 38 hyperacute stroke patients. In the P-FT and P-SVD techniques, the tissue and arterial concentration time curves were fit to a gamma variate function and the resulting CBF values correlated very well $(CBF_{P-FT}\;=\;1.02{\cdot}CBF_{p-SVD},\;r^2\;=\;0.96)$. The NP-SVD CBF values correlated well with the P-FT CBF values only when a sufficient number of time series volumes were acquired to minimize tracer time curve truncation $(CBF_{P-FT}\;=\;0.92{\cdot}CBF_{NP-SVD},\;r^2\;=\;0.88)$. The correlation between the fitted CBV and the unfitted CBV values was also maximized in regions with minimal tracer time curve truncation $(CBV_{fit}\;=\;1.00{\cdot}CBV_{ Unfit},\;^r^2\;=\;0.89)$. When a sufficient number of time series volumes could not be acquired (due to scanner limitations) to avoid tracer time curve truncation, the P-FT and P-SVD techniques gave more reliable estimates of CBF than the NP-SVD technique.

• 방송공학회논문지
• /
• 제21권2호
• /
• pp.149-156
• /
• 2016

우리는 컨텐츠 복제방지를 위하여 기존의 SVD와 DWT/RDWT를 결합한 워터마킹 시스템에 특이벡터를 추가로 사용하는 방안을 제안하였다. 우리는 SVD를 사용하는 워터마킹 시스템에 존재하는 오류긍정문제(false-positive problem)를 극복하기 위하여 기존의 SVD기반 알고리즘과 같이 특이값에 워트마크를 임베딩할 뿐만 아니라, 커버이미지의 첫 번째 좌/우 특이벡터를 워터마크 이미지의 첫번째 좌/우 특이벡터와 교체하였다. 제안 방안은 오류긍정문제 (false-positive problem)가 발생하지 않는 워터마킹 시스템을 구현할 수 있었으며, 기존의 오류긍정문제가 없는 시스템과 비교하여 우수한 충실성과 강인성을 보여 주었을 뿐만 아니라, 오류긍정문제가 발생하는 시스템에 비해서도 크게 성능차이가 나지 않음을 보여 주었다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제50권6호
• /
• pp.302-308
• /
• 2001

SVD(Singular Value Decomposition) filter for the suppression of EMG in multi-lead stress ECG is studied. SVD filter consists of two parts. In the first part, the basis vectors were chosen from the averaged singular vectors obtained from the decomposed noise-free ECG. The singular vector is computed from the stress ECG and is compared itself with basis vectors to know whether the noise exist in stress ECG. In the second part, the existing elimination method is used, when one(or two) channels is(or are) contaminated by noise. But the proposed enhanced SVD filter is used in case of having the noise in the many channels. During signal decomposition and reconstruction, the noise-free channel or the least noisy channel have the weight of 1, the next less noisy channel has the weight of 0.8. In this way, every channel was weighted by decreased of 0.2 in proportion to the amount of the added noise. For the evaluation of the proposed enhanced SVD filter, we compared the SNR computed by the enhanced SVD filter with the standard average filter for the noise-free signal added with artificial noise and the patient data. The proposed SVD filter showed better in the SNR than the standard average filter. In conclusion, we could find that the enhanced SVD filter is more proper in processing multi-lead stress ECG.