KCI등재
알츠하이머병 진단을 위한 커널 분류기에서의 PCA의 효과
저자
발행기관
학술지명
한국차세대컴퓨팅학회 논문지(The Journal of Korean Institute of Next Generation Computing)
권호사항
발행연도
2016
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
25-32(8쪽)
비고
학회 요청에 의해 무료로 제공
제공처
본 논문에서는 다양한 커널분류기법 들-단일커널 다중SVM, 다중커널학습(MKL), 일반화된 다중커널학습(GMKL)-에서 주성분분석의 효과를 기술한다. 주성분분석은 주요 정보를 유지하면서 상대적으로 불필요한 데이터를 제외하는 방법에 의해서 고차원데이터를 저차원으로 줄이기 위한 기법이다. 본 논문은 이러한 주성분분석이 실제적으로 다양한 커널분류기에 적용되는 지를 보여준다. 이러한 실험을 위해서 ADNI 데이터베이스에서 내려받은FreeSurfer 평균대뇌피질두께를 사용한다. 정상인과 경도인지장애, 알츠하이머병의 3가지로 분류하는 실험을 3 교차 검증을 통해 정확성을 구한다. 각 방법들의 비교 결과를 통해 주성분분석은 커널 분류 방법의 성능을 개선하는것을 확인하였다.
This paper proposes the effect of principal component analysis (PCA) on many kernel classification techniques, such as (i) Single kernel Multi-Class support vector machine (SVM), (ii) Multiple Kernel Learning (MKL) and (iii) Generalized Multiple Kernel Learning (GMKL). PCA is a sophisticated way to reduce the dimensionality of high dimensional data, specially the high dimensional imaging data, while keeping most of the informative representative dimensions and excluding the least important ones. The aim of this Paper is to figure out whether PCA is actually a good idea in practice with kernel classifiers or not, in order to find a better framework for classification and analysis of brain imaging features in the study of Alzheimer’s disease. For this experiment the data used is FreeSurfer mean cortical thickness dataset downloaded from the ADNI database (adni.loni.usc.edu) baseline data. The classification accuracy (in classifying the three classes CN, LMCI, AD) of comparative methods has been evaluated using 3-fold cross validation. As a result of this comparative study, we could observe that applying PCA on different kernel classification methods has improved the classification accuracy.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)