주성분분석에 의한 재래종 옥수수의 해석

이인섭,박종옥 한국생명과학회 2003 생명과학회지 Vol.13 No.3

육종재료를 얻기 위하여 부산·경남지역에서 수집된 재래종 옥수수 49 계통을 선발하여 본 실험을 실시하였다. 본 시료는 주성분분석을 이용하여 재래종 옥수수를 해석하고 계통분류를 실시하였던 바 다음과 같은 결과를 얻었다. 7 개의 형질을 이용하여 실시한 주성분분석에서는 제 4주성분까지를 가지고 전체 변동의 86.3%를 설명할 수 있었고, 제 2 주성분까지는 전체 변동의 67.4%를 설명할 수 있었다. 주성분에 대한 형질들의 기여율은 형질에 따라 달랐고 상위 주성분에서 켰으며 하위 주성분에서 작았다. 주성분과 형질과의 상관계수는 주성분의 생물학적 의의와 주성분에 대응한 식물체의 형을 명확히 하였는데 제 1 주성분은 식물체의 크기 및 생장기간에 관련된 주성분이었고, 제2주성분은 이삭수와 분얼수에 관련된 주성분이었다. 제 3주성분과 제 4 주성분에서는 형질간에는 유의성이 인정되지 않았다. This study was conducted to get basic information on the Korean local corn line collected from Busan City and Kyungnam Province, a total of 49 lines were selected and assessed by the principal component analysis method. In the result of principal component analysis for 7 characteristics, 67.4% and 86.3% of total variation could be appreciated by the first two and first four principal components, respectively. Contribution of characteristics to principal component was high at upper principal components and low at lower principal components. Biological meaning of principal component and plant types corresponding to the each principal component were explained clearly by the correlation coefficient between principal component and characteristics. The first principal component appeared to correspond to the size of plant and ear, and the duration of vegetative growing period. The second principal component appeared to correspond to the number of ear and tiller. But the meaning of the third and fourth principal components were not clear.

The Research of Multiple Regression Analysis in Rural-Urban Income Disparity

Jian Li,Xiangyu Guo 보안공학연구지원센터 2016 International Journal of Smart Home Vol.10 No.11

The multiple linear regression model contains more than one predictor variable and it shows the relationship among multiple variables. In the existing research field of rural-urban income disparity, the method of multiple regression analysis is mainly employed. But the linear relationship among variables is estimated mainly depending on principal component analysis. Principal component analysis is used to convert a set of observations of possibly correlated variables into a set of values of linearly uncorrelated variables called principal components. The principal component analysis is widely used for feature extraction to reveal the most main factors from the multiple aspects. A multiply linear regression model integrating principal components analysis is proposed to address on the income gap between the city and country. The influential factors are given and the analysis results are discussed in this paper. The experimental results on income data from 1990 to 2013 show that the proposed method is effective in predicting the income ratio and analyzing the influential factors.

위성 영상데이터의 주성분변환 및 주성분 기반 영상분류

서용수 한국지리정보학회 2004 한국지리정보학회지 Vol.7 No.4

원격탐사(remote sensing) 기술의 비약적인 발전과 함께 위성 영상데이터의 분광대역수가 급속히 증가하고 있다. 대역수의 중가로 영상데이터 량이 급격히 증가하게 되고, 이에 따라 이들 데이터를 처리하기 위해서는 처리속도가 빠른 영강처리 기술이 필요하게 되었다. 분광 대역 수를 줄여 빠르게 처리하는 한가지 방법으로 널리 사용퇴고 있는 것이 주성분 변환법이다. 본 논문에서는 주성분 변환법에 대한 처리과정에 대해 논하였으며, 위성 영상데이터를 주성분 변환한 결과인 주성분 영상데이터를 분석하였다 분석결과 실험 영상데이터의 경우, 8개의 수성분(PC₁, PC₂, PC₃)의 누적 백분율 분간 값이 99.1%로 이는 3개의 주성분이 거의 대부분의 정보를 가지고 있음을 알 수 있었다. 3개의 주성분 영상데이터만을 사용한다면 데이터 저강을 위한 메모리 용량이나 데이터 전송시간을 및 처리시간을 크게 감소시킬 수 있다. 또한 본 논문에서는 주성분 영상데이터를 최대유사분류법과 신경회로망을 이용한 다층 퍼셉트론 분류법으로 분류하고 결과를 평가한 후, 주성분 변환법이 갖는 차일축소 효과를 분석하였다. 분석과 주성분 3개를 사용한 분류결과와 주성분 5개를 사용한 분류결과간의 분류정답률이 크게 차이가 나지 않았다 이는 분류에 사용하는 영상데이터 수를 6개 차원에서 3개 차원으로 줄여도 비슷한 분류성능을 얻을 수 있음을 확인할 수 있었다. Advances in remote sensing technologies are resulting in the rapid increase of the number of spectral channels, and thus, growing data volumes. This creates a need for developing faster techniques for processing such data. One application in which such fast processing is needed is the dimension reduction of the multispectral data. Principal component transformation is perhaps the mostpopular dimension reduction technique for multispectral data. In this paper, we discussed the processing procedures of principal component transformation. And we presented and discussed the results of the principal component transformation of the multispectral data. Moreover principal components image data are classified by the Maximum Likelihood method and Multilayer Perceptron method. In addition, the performances of two classification methods and data reduction effects are evaluated and analyzed based on the experimental results.

주성분분석을 이용한 C[11]-PIB imaging 영상분석

김남범,신귀순,안성민,Kim, Nambeom,Shin, Gwi Soon,Ahn, Sung Min 대한핵의학기술학회 2015 핵의학 기술 Vol.19 No.1

주성분분석(Principal component analysis, PCA)은 고차원 변수들 사이의 복잡한 상관성 구조를 더 낮은 차원으로 단순화하여 상관성의 구조를 쉽게 설명하기 위한 다변량분석기법으로 뇌영상 분석에서 자주 사용되는 방법이다. 주성분분석의 기본개념은 서로 직교하는 변수들의 선형결합을 통해서 원래의 뇌영상 자료가 가지고 있는 전체정보를 최대한 설명할 수 있는 서로 독립적인 새로운 변수들을 유도하는 것이다. 뇌영상분석에서 주성분분석의 효율성과 유용성을 알아보기 위해서 C[11]-PIB 영상을 이용하여 분석하였다. 대상 및 방법으로는 평균나이가 같은 9명의 정상인, 10명의 알츠하이머/경도인지장애환자들의 C[11]-PIB 영상을 이용하였다. PET-CT 장비로는 Biograph 6 Hi-Rez (Siemens-CTI, Knoxville, TN)를 영상을 획득하였고 9.6 MBq/kg C[11]-PIB를 정맥주사 한 후 40분 후에 20분 동안 3D acquisition mode로 방출영상을 얻었다. Attenuation map은 X-ray CT scan을 이용하여 재구성하였다(130 kVp, 240 mA). PIB template을 만들기 위해서 정상인에서 3T MRI T1-weighted 영상을 동시에 얻었다. 주성분분석을 위한전처리과정으로서 공간정규화 및 공간편평화를 SPM8을 이용하여 실시하였고 주성분분석은 Matlab2012b를 이용하여 분석하다. 결과는 주성분분석을 통해서 서로 독립적인 주성분영상들을 얻을 수 있었다. 주성분분석을 통해서 얻어진주성분영상은 C[11]-PIB brain PET 영상의 패턴을 몇 개의 주성분으로 단순화 할 수 있었으며 주로는 neocortex를 변동 나타내는 영상, white matter의 변동을 나타내는 영상 그리고 pons등 deep brain의 변동을 나타내는 영상 등으로 단순화되었다. 결론으로는 주성분분석은 C[11]-PIB brain 영상을 단순화하여 영상의 패턴을 해석하는데 매우 유용하였다. 이러한 주성분분석은C[11]-PIB영상 분석뿐만 아니라 뇌의 포도당 대사를 측정하는 FDG-PET 또는 뇌기능영상등의 다변량분석 방법으로서 그 적용범위가 클 것으로 기대된다. Purpose Principal component analysis (PCA) is a method often used in the neuroimagre analysis as a multivariate analysis technique for describing the structure of high dimensional correlation as the structure of lower dimensional space. PCA is a statistical procedure that uses an orthogonal transformation to convert a set of observations of correlated variables into a set of values of linearly independent variables called principal components. In this study, in order to investigate the usefulness of PCA in the brain PET image analysis, we tried to analyze C[11]-PIB PET image as a representative case. Materials and Methods Nineteen subjects were included in this study (normal = 9, AD/MCI = 10). For C[11]-PIB, PET scan were acquired for 20 min starting 40 min after intravenous injection of 9.6 MBq/kg C[11]-PIB. All emission recordings were acquired with the Biograph 6 Hi-Rez (Siemens-CTI, Knoxville, TN) in three-dimensional acquisition mode. Transmission map for attenuation-correction was acquired using the CT emission scans (130 kVp, 240 mA). Standardized uptake values (SUVs) of C[11]-PIB calculated from PET/CT. In normal subjects, 3T MRI T1-weighted images were obtained to create a C[11]-PIB template. Spatial normalization and smoothing were conducted as a pre-processing for PCA using SPM8 and PCA was conducted using Matlab2012b. Results Through the PCA, we obtained linearly uncorrelated independent principal component images. Principal component images obtained through the PCA can simplify the variation of whole C[11]-PIB images into several principal components including the variation of neocortex and white matter and the variation of deep brain structure such as pons. Conclusion PCA is useful to analyze and extract the main pattern of C[11]-PIB image. PCA, as a method of multivariate analysis, might be useful for pattern recognition of neuroimages such as FDG-PET or fMRI as well as C[11]-PIB image.

An efficient algorithm for sliding window based incremental principal components analysis

이근섭 대한수학회 2020 대한수학회지 Vol.57 No.2

It is computationally expensive to compute principal components from scratch at every update or downdate when new data arrive and existing data are truncated from the data matrix frequently. To overcome this limitations, incremental principal component analysis is considered. Specifically, we present a sliding window based efficient incremental principal component computation from a covariance matrix which comprises of two procedures; simultaneous update and downdate of principal components, followed by the rank-one matrix update. Additionally we track the accurate decomposition error and the adaptive numerical rank. Experiments show that the proposed algorithm enables a faster execution speed and no-meaningful decomposition error differences compared to typical incremental principal component analysis algorithms, thereby maintaining a good approximation for the principal components.

AN EFFICIENT ALGORITHM FOR SLIDING WINDOW BASED INCREMENTAL PRINCIPAL COMPONENTS ANALYSIS

Lee, Geunseop Korean Mathematical Society 2020 대한수학회지 Vol.57 No.2

It is computationally expensive to compute principal components from scratch at every update or downdate when new data arrive and existing data are truncated from the data matrix frequently. To overcome this limitations, incremental principal component analysis is considered. Specifically, we present a sliding window based efficient incremental principal component computation from a covariance matrix which comprises of two procedures; simultaneous update and downdate of principal components, followed by the rank-one matrix update. Additionally we track the accurate decomposition error and the adaptive numerical rank. Experiments show that the proposed algorithm enables a faster execution speed and no-meaningful decomposition error differences compared to typical incremental principal component analysis algorithms, thereby maintaining a good approximation for the principal components.

Independent Component Analysis를 이용한 fMRI신호 분석

문찬홍,나동규,박현욱,유재욱,이은정,변홍식 대한자기공명의과학회 1999 Investigative Magnetic Resonance Imaging Vol.3 No.2

fMRI의 신호는 매우 다양한 종류의 선호들이 혼합된 상태이며 , 비록 몇 가지의 요소에 대해 모델링하여 그 선호 형태를 추측할 수 있으나 모든 신호를 정확하게 분리하여 뇌신경의 활성화를 반영하는 신호만을 선택적으로 알아 내기는 어려운 일이다. 또한 뇌와 신체의 생리적 현상으로 발생하는 잡음뿐아니라 움직임이나 계기의 잡음은 fMRl의 데이터 분석을더욱 어렵게 한다. 따라서 실제 뇌신경의 활성화를 정확히 나타내는 참고데이터(reference data)를 선택하는 것은 힘든 일이며, 뇌신경의 활성화를 반영하는 의미 있는 여러 신호 형태에 대한 분석은 현재 fMRl의 후처리 (post-processing) 분석 방법에서 하나의 연구 과제라 할 수 있다. 본 연구에서는 prioriknow­-ledge 혹은 참고 데이터가 필요 없는 분석 방법인 Independent Component Analysis (lCA) 를 이용하여 fMRI선호를 분석하였다. ICA는 현재 많이 사용되고 있는 상관 분석 방법에 비해 신호의 형태를 분석하는 데에 보다 효과적일 수 있으며, 지연된 반응 형태를 갖는 신호나 움직임에 의한 신호의 패턴을 분리하여 분석할 수 있다. 한편, ICA만으후 fMRl의 신호에 따라 분석이 효과적이지 못한 경우 Principal Component Analysis(PCA) threshold, wavelet spatial f filtering, 부분적 영상 분석 방법들을 ICA전에 수행 함으로써 보다 효과적인 분석을 수행할 수 있다. ICA는 fMRl 신호의 형태 분석에 효과적인 방법이라고 생각하며, 데이터의 자유도를 감소 하기 위해서는 선 필터링 (pre-filtering) 방법들이 적용될 수 있다. The fMRI signals are composed of many various signals. It is very difficult to find the accurate parameter for the model of fMRI signal containing only neural activity, though we may estimating the signal patterns by the modeling of several signal components. Besides the nose by the physiologic motion, the motion of object and noise of MR instruments make it more difficult to analyze signals of fMRI. Therefore, it is not easy to select an accurate reference data that can accurately reflect neural activity, and the method of an analysis of various signal patterns containing the information of neural activity is an issue of the post-processing methods for fMRI. In the present study, fMRI data was analyzed with the Independent Component Analysis(ICA) method that doesn't need a priori-knowledge or reference data. ICA can be more effective over the analytic method using cross-correlation analysis and can separate the signal patterns of the signals with delayed response or motion related components. The Principal component Analysis (PCA) threshold, wavelet spatial filtering and analysis of a part of whole images can be used for the reduction of the freedom of data before ICA analysis, and these preceding analyses may be useful for a more effective analysis. As a result, ICA method will be effective for the degree of freedom of the data.

Evaluation of Flood Damages Using Principal Component Analysis

Azotea, Marc Sinan B.,Necesito, Imee V,정태성,유인상,정상만 한국방재학회 2015 한국방재학회논문집 Vol.15 No.4

Despite the growing economy of Korea, natural disasters such as floods are still knocking the economic ladder. The counteractions made by flood disasters that were also induced by typhoons have caused significant damages to properties and human life. In this regard, the searches for the primary parameters that are affecting the flood damage amount were focused in this study. The data used in this study is flood damage from the 485 facilities in Gunsan City which were further divided based on the facility type. It identifies what type of parameter variable namely: flood damage, flood depth, flood duration, inundation area, family income and land price greatly affects or are relevant to each facilities being classified using Principal Component Analysis (PCA). Results from the Principal Component Analysis (PCA) show the relationship that exists among the variables and that it had narrowed down to which parameter was correlated to flood damage. This paper used the eigenvector and eigenvalue of the data matrix in order to compute the principal component. The result of the total variance in the flood damage of residential, commercial and agricultural facilities using the eigenvector and eigenvalue were calculated to be 0.691, 0.626 and 0.700, respectively. Significant level of Principal Component Analysis greater than 0.5 and less than -0.5 must be attained for relativity variables to exist and as for this study it proves that flood depth was the most significant among the rest.

국면전환과 스타일 수익률변동: 주성분분석을 중심으로

이준행,김류미 한국재무관리학회 2017 財務管理硏究 Vol.34 No.3

Based on the literature that an outperforming style changes due to time-varying style premium, we investigate time-varying returns on style indices using regime-switching model. First, some principal components are extracted from returns on style indices to acquire time-series that can capture more definite regimes derived from time-varying style premium. We find that first principal component significantly fits KOSPI index, and second and forth principal components do Fama-French size factor well. We also identify three regimes with principal components extracted style indices, KOSPI index, and size factor, in which performances of style indices are evaluated. With the performances of style and state probabilities in each regime, we build dynamic style allocation strategies. According to the result, dynamic strategies based on second and forth principal components outperform market, all style indices, and other strategies. Further, dynamic strategies based on Fama-French size factor produce returns similar with second and forth principal components. This result is equivalent in out-of-sample. In conclusion, principal components capturing regime-shifts of time-varying style premium are closer to size factor than market index. 본 논문에서는 다양한 스타일의 성과가 국면에 따라 변한다는 기존 연구들을 바탕으로, 국면전환모형을 활용하여 스타일지수들의 동태적 투자전략에 대해 분석하였다. 스타일의 국면전환을 추정하기 위한 변수로는, 주성분분석을 통해 추출된 스타일지수들의 공통요인들을 이용하였다. 타일지수들의 4개 주성분 중 첫 번째 주성분은 KOSPI지수와 연관성이 매우 높으며 두 번째와 네 번째 주성분은 Fama- French의 규모요인과 연관성이 높은 것으로 나타났다. 또한 4개의 주성분과 KOSPI지수, Fama- French의 규모요인을 이용하여 3국면 국면전환모형을 추정하고 이를 바탕으로 동태적 스타일 배분전략을 구성하고 그 성과를 비교하였다. 그 결과, 규모요인과 연관성이 높은 두 번째와 네 번째 주성분으로 국면을 정의하였을 때 성과가 가장 우수한 것으로 나타났다. 결과적으로 한국 주식시장내 스타일지수 움직임의 국면전환 행태를 잘 설명하는 요인은 시장지수보다는 규모요인에 가깝다. 이는 동태적 스타일배분전략 수립시, 국면구분에 있어 KOSPI지수를 이용하는 것보다는 규모요인을 이용하는 것이 보다 효과적인 방법이 될 수 있음을 의미한다. 실제로, KOSPI지수로 추정한 2국면 MSM을 활용한 선행연구와 비교하면 본 연구의 성과가 우월한 것으로 나타나 스타일배분전략에서 주성분을 이용한 3국면 MSM이 더 효과적임을 확인할 수 있었다.

대표 인체 모델 생성을 위한 주성분 공간의 대표점 결정 기법 개발

정기효(Kihyo Jung) 대한인간공학회 2018 大韓人間工學會誌 Vol.37 No.3

Objective: This study developed a determination method of representative points in the space of principal components to generate representative cases for anthropometric design and digital human simulation. Background: The advanced generation method using principal component analysis can create a group of representative cases that statistically accommodate a designated percentage of design target users. However, a specific determination method of representative points to generate representative cases has not been proposed in existing studies. Method: This study proposed a determination method of representative points on an n-dimensional ellipse formed in the space of principal components. The proposed method determined representative points on each principal component and on the combination of principal components using an optimization model. The performance of proposed method was evaluated by generating representative cases for anthropometric design and digital human simulation of airplane cockpit. Results: The proposed method selected eight representative points on an ellipse formed to accommodate 95% of design target users in the space of two principal components. The selected points represented one overall small user, two small users with different body proportion, two medium users with different body proportion, two large users with different body proportion, and one overall large user. Conclusion: The proposed method properly determined representative points on an ellipse in principal components. Application: The proposed method can be used to generate representative cases using principal component analysis for anthropometric design and digital human simulation.