최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 서울대학교 Seoul National University |
---|---|
연구책임자 | 곽노준 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2016-05 |
과제시작연도 | 2015 |
주관부처 | 미래창조과학부 Ministry of Science, ICT and Future Planning |
등록번호 | TRKO201700010291 |
과제고유번호 | 1711024402 |
사업명 | 신진연구자지원 |
DB 구축일자 | 2017-10-12 |
키워드 | 특징추출.주성분분석.선형판별분석.커널 방법.일반화된 평균.강인한.Lp norm.feature extraction.PCA.LDA.kernel methods.Nonlinear projection trick.generalized mean.robust.Low-rank. |
DOI | https://doi.org/10.23000/TRKO201700010291 |
연구의 목적 및 내용
본 연구에서는 기존의 L2 norm을 이용하는 특징추출 방법들 대신 일반적인 Lp norm을 이용하는 강인한 특징추출 방법을 제시하는 것을 목표로 하였다. 먼저 주성분분석(principal component analysis; PCA) 및 선형판별분석 (linear discriminant analysis; LDA) 등에 Lp norm을 적용하고 이를 얼굴 인식을 포함한 다양한 패턴인식 문제에 적용함으로써 패턴인식의 성능을 개선하도록 하였다. 또한 보다 일반화된 특징 추출을 위해 일반화된 평균 (General
Purpose&contents
In this research, we aimed at developing Lp-norm based robust feature extraction methods rather than the existing L2-norm based methods. Firstly, we developed Lp-nrom based principal component analysis (PCA) and linear discriminant analysis (LDA) and applied these algorithms for
※ AI-Helper는 부적절한 답변을 할 수 있습니다.