계층적 트리 구조를 이용한 라만스펙트럼 판별 성능 개선

국문 초록 (Abstract)

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.

다국어 초록 (Multilingual Abstract)

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.

참고문헌 (Reference)

1 박아론, "피부 조직의 라만 스펙트럼에서 NMF 알고리즘을 통한기저 세포암 진단 방법" 대한전자공학회 50 (50): 196-202, 2013

2 박아론, "특징 순위 방법을 이용한 혈소판 라만 스펙트럼에서 퇴행성 뇌신경질환과 혈관성 인지증 분류" 대한전자공학회 48 (48): 21-26, 2011

3 Rebecca S. Golightly, "Surface-Enhanced Raman Spectroscopy and Homeland Security: A Perfect Match?" American Chemical Society (ACS) 3 (3): 2859-2869, 2009

4 Abraham. Savitzky, "Smoothing and Differentiation of Data by Simplified Least Squares Procedures." American Chemical Society (ACS) 36 (36): 1627-1639, 1964

5 I. T. Jolloffe, "Principal Component Analysis" Springer 2002

6 R. O. Duda, "Pattern Classification Second Edition" Jone Wiley & Son, Inc 2001

7 Emad L. Izake, "Forensic and homeland security applications of modern portable Raman spectroscopy" Elsevier BV 202 (202): 1-8, 2010

8 Joonki Hwang, "Fast and sensitive recognition of various explosive compounds using Raman spectroscopy and principal component analysis" Elsevier BV 1039 : 130-136, 2013

9 J. Sarah Caygill, "Current trends in explosive detection techniques" Elsevier BV 88 : 14-29, 2012

10 Z. Jianhua, "Automated Autofluorescence Background Subtraction Algorithm for Biomedical Raman Spectroscopy" 61 : 248A-270A, 2007

11 Seong-Joon Baek, "A simple background elimination method for Raman spectra" Elsevier BV 98 (98): 24-30, 2009