고속 VQ 부호화 알고리즘

백성준,이대룡,전범기,성굉모,Baek, Seong-Joon,Lee, Dae-Ryong,Jeon, Bum-Ki,Sung, Koeng-Mo 한국음향학회 1997 韓國音響學會誌 Vol.16 No.2

본 논문에서는 새로운 고속 VQ 부호화 알고리즘을 제안한다. 제안된 알고리즘은 최단거리를 가질 수 없는 코드워드와의 거리계산을 피하기 위해 벡터의 두가지 특성, 평균 및 분산을 이용해서 계산량을 줄이고 있다. 제안된 알고리즘은 코드워드와 입력벡터사이의 거리의 기하학적인 관계를 이용해서 최단거리를 갖을 수 없는 코드워드들과의 거리계산을 피하고 있기 때문에 전체 탐색법과 동일한 결과를 가져다 준다. 실험결과는 제안된 알고리즘이 효과적임을 확인시켜준다. In this paper, we present a new fast VQ encoding algorithm. The proposed algorithm facilitates two characteristics of a vector, i.e., mean and variance to reject many unlikely codewords and save a lot of computation time. Since the proposed algorithm, which is based upon geometric considerations, rejects those codewords that are impossible to be the closest codeword, it provides the same results as a conventional exhaustive(or full) search algorithm. The simulation results confirm the effectiveness of the proposed algorithm.

논문 : 주파수 추정에 관한 점진적 저차수 Toeplitz-Hankel 근사법

백성준 ( Seong Joon Baek ),나승유 ( Seung You Na ) 전남대학교 전자통신기술연구소 2004 전자통신기술논문지 Vol.7 No.1

벡터양자화기의 코드북을 구하는 새로운 고속 학습 알고리듬

이대룡,백성준,성굉모,Lee, Dae-Ryong,Baek, Seong-Joon,Sung, Koeng-Mo 한국음향학회 1996 韓國音響學會誌 Vol.15 No.5

본 논문에서는 코드북 학습 알고리듬의 대표적인 LBG 알고리듬의 탐색시간을 줄이기 위한 새로운 고속 학습 알고리듬을 제안한다. 제안한 알고리듬은 각 학습데이타가 모든 코드워드를 탐색하지 않고, 먼저 첫 번째 단계에서 각 학습데이타의 주위에 있는 일정한 개수의 코드워드에 대한 인덱스(index) 정보를 저장하고, 다음 단계에서부터는 이 인덱스가 가리키는 코드워드만을 탐색대상으로 함으로써 학습시간을 줄이는 것이다. 제안한 알고리듬을 기존의 고속 탐색 알고리듬인 FSLBG 알고리듬과 비교하면 제안한 알고리듬이 더 짧은 학습시간으로 더 좋은 성능을 갖는 코드북을 얻을 수 있음을 보인다. 또한 제안한 알고리듬을 LBG 알고리듬과 비교하면 영상데이타에 대해 코드북의 크기가 256인 경우에는 약 6%, 코드북의 크기가 1024인 경우에는 약 1.6%인 16개의 코드워드만을 탐색대상으로 해서 PSNR(peak signal-to-noise ratio)면에서 거의 성능이 같은 코드북을 생성할 수 있음을 보이고 있다. In this paper we propose a new fast codebook training algorithm for reducing the searching time of LBG algorithm. For each training data, the proposed algorithm stores the indexes of codewords that are close to that training data in the first iteration. It reduces computation time by searching only those codewords, the indexes of which are stored for each training data. Compared to one of the previous fast training algorithm, FSLBG, it obtains a better codebook with less exccution time. In our experiment, the performance of the codebook generated by the proposed algorithm in terms of peak signal-to-noise ratio(TSNR) is very close to that of LBG algorithm. However, the codewords to be searched for each training data of the proposed algorithm is only about 6%, for a codebook size of 256 and 1.6%, for a codebook size of 1.24, of LBG algorithm.

계층적 트리 구조를 이용한 라만스펙트럼 판별 성능 개선

박준규(Park, Jun-Qyu),백성준(Baek, Seong-Joon),서유경(Seo, Yu-Gyeong),서성일(Seo, Sung-Il) 한국산학기술학회 2014 한국산학기술학회논문지 Vol.15 No.8

본 논문에서는 라만스펙트럼의 효과적인 판별을 위해 계층 트리 구조로 클래스를 그룹화 하는 방식을 제안하였다. 실험데이터로는 28종 화학물질의 라만 스펙트럼을 준비하였고 잡음제거, 정규화 등의 전처리 수행하였다. 다음으로 사전 실험을 통해 서로 간에 분류오류를 발생시키는 물질들을 그룹화 하여 계층 구조의 클래스를 구성하였고, 각각의 상위, 하위 클래스에 PCA(principal component analysis) 특징추출과 MAP(maximum a posteriori probability) 방식의 분류실 험을 수행하였다. 실험 결과에 의하면 계층 구조의 클래스를 적용한 경우 평균 2.7개의 특징을 사용하여 분류가 100% 이루 어짐을 확인할 수 있었다. 계층 구조를 적용하지 않는 기존의 방식에서 6개의 특징을 사용할 때 동일한 분류결과를 보였음 을 감안해 보면, 제안한 방식이 전체 계산 복잡도의 측면에서 훨씬 뛰어남을 알 수 있다. 따라서 제안한 방식이 실제 응용에 보다 적합하다고 할 수 있다. This paper proposes a method in which classes are grouped as a hierarchical tree structure for the effective classification of the Raman spectra. As experimental data, the Raman spectra of 28 chemical compounds were obtained, and pre-treated with noise removal and normalization. The spectra that induced a classification error were grouped into the same class and the hierarchical structure class was composed. Each high and low class was classified using a PCA-MAP method. According to the experimental results, the classification of 100% was achieved with 2.7 features on average when the proposed method was applied. Considering that the same classification rates were achieved with 6 features using the conventional method, the proposed method was found to be much better than the conventional one in terms of the total computational complexity and practical application.

피부암 라만 스펙트럼에서 정규화 방식 적용을 통한 분류기 성능 개선

박아론 ( Aa Ron Park ),백성준 ( Seong Joon Baek ) 전남대학교 전자통신기술연구소 2007 전자통신기술논문지 Vol.10 No.1

본 연구에서는 효과적인 기저 세포암 공초점 라만 스펙트럼의 분류를 위해 MNMX (minmax), STD (Standard Deviation), SUM (Summation) 방식으로 정규화하고 MAP (Maximum a posteriori Probability) 방법을 이용하여 분류 결과를 비교하였다. 또한 스펙트럼을 클리핑한 경우에도 같은 방식으로 비교하였다. 클리핑을 적용하지 않은 경우 STD 방식이 평균 분류율 95.5%, 클리핑을 적용한 경우 MNMX 방식이 평균 분류율 96.1%로 가장 좋은 결과를 보였다. Raman spectroscopy is known to have strong potention for providing noninvasive dermatological of skin cancers. In this study, for effective detection of basal cell carcinoma (BCC) based on confocal Raman spectra, we have conducted experiments using normalization method. For normalization, we first apply MNMX (minmax), STD (standard deviation) and SUM (summation) techniques. Using MAP (Maximum a posterior probability), we compare the performances of the three techniques for original and clipping data. With clipping data, the performance of MNMX seemed to be best.

혈소판 라만 스펙트럼을 이용한 알츠하이머병 진단에 관한 연구

박아론(Aaron Park),백성준(Seong-Joon Baek),허기수(Gi-Su Heo) 대한전자공학회 2010 電子工學會論文誌-SC (System and control) Vol.47 No.4

본 논문은 혈소판으로부터 측정한 라만 스펙트럼을 알츠하이머병(AD: Alzheimer's Disease) 진단에 사용하는 연구에 관한 것이다. 실험에 사용한 라만 스펙트럼은 다음과 같은 몇 가지 전처리 과정을 거친 다음 분류기를 이용하여 질병의 유무를 판별하였다. 먼저 스펙트럼은 간단한 smoothing을 거친 다음 스펙트럼의 각 피크 크기를 쉽게 측정할 수 있도록 기준선 (baseline)의 왜곡을 차감하였고, 그 다음 기준 피크를 중심으로 그 위치를 정렬한다. 이와 같은 전처리 과정을 수행한 라만 스펙트럼으로부터 AD과 정상상태(NOR: normal)를 구분할 수 있는 특징을 조사하였는데 그 결과 여러 피크들 중 743과 757 ㎝?¹ 영역의 피크 비와 1658 ㎝?¹ 영역의 피크 크기가 AD와 NOR 스펙트럼에서 가장 변별력 있는 특징을 나타내는 것을 확인하였다. 이 특징들을 MAP(maximum a posteriori)와 MLP(multi-layer perceptron) 분류기에 사용하여 총 278개의 스펙트럼에 적용한 결과 MLP에서 평균 약 95.5%의 분류율을 보였다. 이 결과는 혈소판 라만 스펙트럼이 알츠하이머병 진단에 매우 효과적으로 사용될 수 있음을 보여준다. In this paper, we use the Raman spectra measured from platelet to the diagnosis of Alzheimer's disease(AD). The Raman spectra used in the experiments were preprocessed with the following method and then fed into the classifier. The first step of the preprocessing is a simple smoothing followed by background elimination to the original spectra to make it easy to measure the intensity of the peaks. The last step of the preprocessing was peak alignment with the reference peak. After the inspection of the preprocessed spectra, we found that proportion of two peak intensity at 743 and 757 ㎝?¹ and peak intensity at 1658 ㎝?¹ are the most discriminative features. Then we apply mapstd method for normalization. The method returned data with means to 0 and deviation to 1. With these two features, the classification result involving 278 spectra showed about 95.5% true classification in case of MLP(multi-layer perceptron). It means that the Raman spectra measured from platelet would be effectively used to the diagnosis of Alzheimer's disease.

인지증 판별 성능 향상을 위한 스펙트럼 국부 영역 분석 방법

박준규(Park, Jun-Qyu),백성준(Baek, Seong-Joon) 한국산학기술학회 2011 한국산학기술학회논문지 Vol.12 No.11

인지증을 유발하는 원인은 알츠하이머병(Alzheimer's Disease: AD)과 혈관성 인지증(vascular Dementia: VD)이 가장 높은 비율을 차지한다. 본 논문에서는 측정된 라만 스펙트럼에서 AD, VD, 정상(NOR: normal)을 분류하기 위해 변별 력 있는 영역을 조사하고, 특징 변환을 이용한 분류 실험 결과를 제시하였다. 혈소판으로부터 측정한 라만 스펙트럼은 먼저 smoothing을 적용한 다음 배경 잡음을 제거하고 스펙트럼의 기준 피크를 중심으로 그 위치를 정렬하였고 minmax 방법을 사용하여 정규화 하였다. 전처리를 거친 스펙트럼은 AD와 VD, NOR를 변별하기 가장 용이한 영역을 결정하기 위해 조사되었으며, 그 결과 725-777, 1504-1592, 1632-1700 cm-1 영역에서 스펙트럼이 많은 차이를 보임을 확인하였다. 분류 실험은 선택한 각 영역에 대하여 PCA(principal component analysis)와 NMF(nonnegative matrix factorization) 방법을 적용하여 얻은 특징을 이용하여 행하였다. 총 327개의 라만 스펙트럼에 대한 MAP(maximum a posteriori probability) 분류 실험 결과에 따르면, 본 연구에서 제안된 국부 영역 변환 특징을 사용했을 때 평균 92.8 %의 분류율을 보임을 알 수 있었다. Alzheimer's disease (AD) and vascular dementia (VD) are the most common dementia. In this paper, we proposed a region selection for classification of AD, VD and normal (NOR) based on micro-Raman spectra from platelet. The preprocessing step is a smoothing followed by background elimination to the original spectra. Then we applied the minmax method for normalization. After the inspection of the preprocessed spectra, we found that 725-777, 1504-1592 and 1632-1700 cm-1 regions are the most discriminative features in AD, VD and NOR spectra. We applied the feature transformation using PCA (principal component analysis) and NMF (nonnegative matrix factorization). The classification result of MAP(maximum a posteriori probability) involving 327 spectra transformed features using proposed local region showed about 92.8 % true classification average rate.

혈소판 라만 스펙트럼에서 특이값 분해에 의한 기저 합성을 통한 알츠하이머병 검출

박아론(Park, Aa-Ron),백성준(Baek, Seong-Joon) 한국산학기술학회 2013 한국산학기술학회논문지 Vol.14 No.5

본 논문에서는 특이값 분해(SVD: singular value decomposition)에 의한 기저 스펙트럼의 합성을 통해 혈소판 라만 스펙트럼에서 알츠하이머병(AD: Alzheimer's disease)을 검출하는 방법을 제안하였다. AD가 유도된 형질 전환 실험용 쥐의 혈소판에서 측정한 라만 스펙트럼은 가산 잡음과 배경 잡음의 제거와 정규화로 구성된 전처리 과정을 수행한다. 각 데이터 행렬의 열벡터는 AD와 정상(NR: normal)의 라만 스펙트럼으로 구성한다. 이 데이터 행렬을 SVD로 분해한 다음 각 행렬의 열벡터 12개를 AD와 NR의 기저 스펙트럼으로 결정한다. 분류 과정은 각 클래스의 기저 스펙트럼을 선형 합성한 스펙트럼과 분류 스펙트럼의 평균제곱근오차(root mean square error)가 최소인 클래스를 선택하는 것으로 완료된다. 278개의 혈소판 라만 스펙트럼을 사용한 실험에 따르면 제안한 방법의 평균 분류율은 약 97.6%로 주성분 분석(principle components analysis)으로 추출한 특징에 MLP(multi-layer perceptron)를 이용한 경우보 다 약 6.1% 정도의 우수한 성능을 보였다. 이 결과에서 SVD에 의한 기저 스펙트럼이 혈소판 라만 스펙트럼에서 AD 의 검출에 적합하게 사용될 수 있음을 확인하였다. In this paper, we proposed a method to screening of Alzheimer's disease (AD) from Raman spectra of platelet with synthesis of basis spectra using singular value decomposition (SVD). Raman spectra of platelet from AD transgenic mice are preprocessed with denoising, removal background and normalization method. The column vectors of each data matrix consist of Raman spectrum of AD and normal (NR). The matrix is factorized using SVD algorithm and then the basis spectra of AD and NR are determined by 12 column vectors of each matrix. The classification process is completed by select the class that minimized the root-mean-square error between the validation spectrum and the linear synthesized spectrum of the basis spectra. According to the experiments involving 278 Raman spectra, the proposed method gave about 97.6% classification rate, which is better performance about 6.1% than multi-layer perceptron (MLP) with extracted features using principle components analysis (PCA). The results show that the basis spectra using SVD is well suited for the diagnosis of AD by Raman spectra from platelet.

라만 스펙트럼에서 간 질병 분류를 위한 MAP과 MLP 적용 연구

박아론(Aaron Park),백성준(Seong-Joon Baek),양병흠(Bingxin Yang),나승유(Seung You Na) 한국콘텐츠학회 2009 한국콘텐츠학회논문지 Vol.9 No.2

본 연구에서는 마이크로 라만 스펙트럼을 이용한 급성 알코올성 간 손상과 만성 에탄올 간섬유증의 진단을 위해, 전처리 과정을 거친 스펙트럼으로부터 변별력 있는 피크를 추출하여 자동 분류기를 이용한 진단하는 방법을 살펴보았다. 전처리 단계에서는 기준선의 왜곡을 제거한 후 피크 보존에 유용한 Savitzky-Golay 필터를 이용하여 smoothing하였다. 전처리 후 급성 알코올성 간 손상과 만성 에탄올성간섬유증을 구분할 수 있는 변별력 있는 스펙트럼 피크를 확인하고 이를 이용하여 MAP과 신경망으로 분류하였으며 실험 결과에 의하면 제안한 전처리 방법과 자동 분류기로 만성 에탄올성 간섬유증과 급성알코올성 간 손상을 80% 이상 분류할 수 있었고, 이는 특징 벡터로 사용한 피크가 간 질병 진단에 사용될 수 있는 가능성을 보여준다고 할 수 있다. In this paper, we evaluated the performance of the automatic classifier applied for the discrimination of acute alcoholic liver injury and chronic liver fibrosis. The classifier uses the discriminant peaks of the preprocessed Raman spectrum as a feature set. In preprocessing step, we subtract baseline and apply Savitzky-Golay smoothing filter which is known to be useful at preserving peaks. After identifying discriminant peaks from the spectra, we carried out the classification experiments using MAP and neural networks. According to the experimental results, the classifier shows the promising results to diagnosis alcoholic liver injury and chronic liver fibrosis. Classification results over 80% means that the peaks used as a feature set is useful for diagnosing liver disease.

멀티 신호를 이용한 환경 인식 성능 개선

박준규(Jun-Qyu Park),백성준(Seong-Joon Baek) 한국콘텐츠학회 2010 한국콘텐츠학회논문지 Vol.10 No.12

본 연구에서는 9가지 환경에서 마이크로폰과 자이로센서, 가속도센서를 이용하여 얻은 데이터를 특징 추출한 후 각 특징들을 조합하여 GMM (Gaussian Mixture Model)을 이용한 분류실험을 수행하였다. 기존의 환경 인식에 관한 연구들에서는 주로 마이크로폰을 이용한 환경음 데이터를 통해 인식주체의 환경 상황을 인식하고자 하였으나, 여러 노이즈들이 결합한 형태로 좋은 특징을 얻기 어려운 환경음의 구조적 특성으로 인해 그 인식 성능에 한계가 있었다. 이에 본 연구에서는 환경상황을 인식하기 위한 또 다른 방법으로 인식주체의 움직임 특성을 반영하기 위해 자이로센서와 가속도센서의 데이터를 특징에 추가 적용하는 방식을 제안하였다. 실험결과 따르면 마이크로폰을 통해 얻은 환경음의 특징만을 이용하는 기존의 방식들에 비해 가속도센서를 통해 얻은 데이터를 기존의 환경음 특징벡터와 조합한 경우에서 5% 이상 평균 인식률이 개선되는 것을 확인할 수 있었다. In this study, we conducted the classification experiments with GMM (Gaussian Mixture Model) from combining the extracted features by using microphone, Gyro sensor and Acceleration sensor in 9 different environment types. Existing studies of Context Aware wanted to recognize the Environment situation mainly using the Environment sound data with microphone, but there was limitation of reflecting recognition owing to structural characteristics of Environment sound which are composed of various noises combination. Hence we proposed the additional application methods which added Gyro sensor and Acceleration sensor data in order to reflect recognition agent's movement feature. According to the experimental results, the method combining Acceleration sensor data with the data of existing Environment sound feature improves the recognition performance by more than 5%, when compared with existing methods of getting only Environment sound feature data from the Microphone.