- HOME
- 홈페이지 이용안내
논문 기본정보
Research on Artificial Neural Network Method Used for Insects Classification and Identification: Principal Component Analysis and Mathematical Modeling
논문 개요
| 기관명 | NDSL |
|---|---|
| 저널명 | 生物數學學報 = Journal of biomathematics |
| ISSN | 1001-9626, |
| ISBN |
논문저자 및 소속기관 정보
| 저자(한글) | CAI, Xiao-na,HUANG, Da-zhuang,SHEN, Zuo-rui,GAO, Ling-wang |
|---|---|
| 저자(영문) | |
| 소속기관 | |
| 소속기관(영문) | |
| 출판인 | |
| 간행물 번호 | |
| 발행연도 | 2013-01-01 |
| 초록 | 본 논문에서는 인공 신경 회로망(artificial neural network, ANN)이 곤충의 분류에 미치는 영향을 연구하였으며 주성분 분석(principal component analysis)과 수학적 모델링(mathematical modeling)등 방법을 이용하여 ANN를 개선하였으며 인사목(Lepidopter) 밤나방과(Noctuidae) 6종의 나방류를 샘플로 선정하여 검증하였다. 우선 Bugshape l.0 특성 추출 소프트웨어를 이용하여 6종 나방의 180개 오른쪽 앞의 날개를 샘플로 13항의 수학 형태적 특성(Math-morphological character) 수치를 얻었다. 그리고 주성분 분석을 이용하여 나방 날개의 수학 형태적 특성 변량을 재조합하여 새로운 종합적 변량을 얻었다. 다음 또 주성분 분석과 결합하여 BP 신경망(BP neural network) 분류기를 구축하였다. 주성분 분석 결과, 처음 5개 주성분의 축적 기여율(contribution rate)은 85.52%이고 이는 특성 변량이 지닌 모든 정보를 포함한다. 주성분 분석을 기반으로 5개 입력 노드(input node), 12개 숨겨진 노드(hidden node), 1개 출력 노드(output node)를 지닌 BP 신경망 분류기를 구축하였다. 각각 종류별 나방의 20개 샘플은 모두 120조(sets)의 특성값이 있는데 이는 분류기를 트레인(train)과 시뮬레이트(simulate)를 하였으며 나머지 60조의 특성 수치는 분류기를 모니터하였으며 출력 수치와 목표 수치의 상관계수 R=0.997이며 분류 정확도는 93.33%이다. 주성분 분석을 거치지 않고 오직 BP 신경망만 이용한 분류기는 주성분 분석을 거친 BP 신경망보다 더 우월한 성능과 더 정확한 분류 능력을 가지고 있다. 연구 결과, 본 논문에서 제시한 방법은 아주 좋은 분류와 판별 작용이 있으며 나방 종류의 판별에 가능성이 높은 방법을 제시해 주었다. |
| 원문URL | http://click.ndsl.kr/servlet/OpenAPIDetailView?keyValue=03553784&target=NART&cn=NART66522501 |
| 첨부파일 |
추가정보
| 과학기술표준분류 | |
|---|---|
| ICT 기술분류 | |
| DDC 분류 | |
| 주제어 (키워드) | Moth wings(Noctuidae),Math-morphological character,PCA,BP neural net-work,Classification and discrimination,나방 날개(밤나방과),수학 형태적 특성,주성분 분석,BP 신경망,분류 판별 |