SpPCA와 MLP에 기반을 둔 응합법칙에 의한 MRS 패턴분류 = MRS Pattern Classification Using Fusion Method based on SpPCA and MLP

국문 초록 (Abstract)

본 논문에서는 SpPCA와 MLP에 기반을 둔 융합법칙에 의한 MRS 패턴분류기법을 제안한다. 차원축소를 위해 사용되는 기존의 PCA 기법은 입력데이터가 비선형 특성을 갖는 경우 최적의 변환행렬을 구할 수 없다는 문제점을 가지고 있다. 따라서, 본 논문에서는 구간별로 입력데이터를 분할한 후 PCA에 의해 특징을 추출하는 SpPCA 기법을 이용하여 입력패턴의 차원을 축소한다. 다음 단계인 분류단계에서는 MLP 비선형분류기를 이용하여 구간마다 추출된 특징벡터를 이용하여 기준패턴과의 유사도를 산출한다. 최종 분류단계에서는 MLP에 의해서 산출된 유사도에 기반을 둔 융합법칙에 의하여 MRS 패턴을 분류한다. 제안된 방법의 유용성을 보이기 위한 실험결과에서 기존의 방법들에 비해서 향상된 인식결과를 보임을 확인하였다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose the MRS p:Ittern classification techniques by the fusion scheme based on the SpPCA and MLP. A conventional PCA teclulique for the dimension reduction has the problem that it can't find a optimal transformation matrix if the property of input data is nonlinear. To overcome this drawback we extract features by the SpPCA technique which use the local patterns rather than whole patterns. In a next classification step, individual classifier based on MLP calculates the similarity of each class for local features. Finally, MRS patterns is classified by the fusion scheme to effectively combine the individual information. As the simulation results to verify the effectiveness, the proposed method showed more improved classification results than conventional methods.