박명수 오상록 2024-01-20T16:30:45Z 2024-01-20T16:30:45Z 2022-01-10 2011-09 1229-6392 https://pubs.kist.re.kr/handle/201004/130004 본 논문에서는 자료패턴을 분류하기에 적합한 특징을 추출하는 방법인, 클래스가 부가된 커널 주성분분석(class-augmented kernel principal component analysis)를 새로이 제안하였다. 특징추출에 널리 이용되는 부분공간 기법 중, 최근 제안된 클래스가 부가된 주성분분석(class-augmented principal component analysis)은 패턴 분류를 위한 특징을 추출하기 위해 이용되는 선형분류분석(linear discriminant analysis)등에 비해 정확한 특징을 계산상의 문제 없이 추출할 수 있는 기법이다. 그러나, 추출되는 특징은 입력의 선형조합으로 제한되어 자료에 따라 적절한 특징을 추출하기 어려운 경우가 발생한다. 이를 해결하기 위하여 클래스가 부가된 주성분분석에 커널 트릭을 적용하여 비선형 특징을 추출할 수 있는 새로운 부분공간 기법으로 확장하고, 실험을 통하여 성능을 평가하였다. Korean 대한전자공학회 클래스가 부가된 커널 주성분분석을 이용한 비선형 특징추출 Nonlinear Feature Extraction using Class-augmented Kernel PCA Article 2 전자공학회논문지 - SC, v.48, no.5, pp.7 - 12 전자공학회논문지 - SC 48 5 7 12 kci ART001591253 Class-augmented Kernel Principal Component Analysis Nonlinear Feature Extraction Disciminant Features