스코어와 모멘트를 결합한 새로운 선형 판별법 개발

Abstract

본 학위 논문에서는 세계 최초로 기존의 선형판별법에 Score와 Moment라는 새로운 입력데이터를 적용시키는 algorithm을 개발하였다. 본 논문에서는 새롭게 개발된 algorithm의 성능을 검증하고, 그 신뢰성을 확인하였다. Score-Moment Combined Linear Discrimination Analysis (SMC-LDA) 라고 하는 이 방법은 우선 스펙트럼으로부터 Principal Component Analysis (PCA) 방법과 Moment Generating Function을 각각 Score와 Moment를 계산한다. Score와 Moment는 LDA방법을 통해서 2차원 특징곡간에 투영되고, 최종적으로 각각의 스펙트럼은 2차원 특징공간에 고유의 좌표로 표현되고, 투영된 좌표 값은 clustering에 이용될 수 있게 된다. 본 논문에서는 여러 분광법(Raman spectroscopy, NIR spectroscopy, IR spectroscopy) 으로 측정된 데이터를 적용시켜 그 분리 능력을 확인해 보았고, SMC-LDA의 성능을 기존의 방법과 비교 검증하기 위하여 같은 샘플에 대하여 Score만을 이용한 S-LDA 와 Moment만을 이용한 M-LDA 방법을 적용시켜 보았다. 그 결과로 SMC-LDA는 S-LDA 와 M-LDA 이상의 분리 능력을 확인할 수 있음을 알 수 있었다. 이러한 결과를 바탕으로 보다 방대하고, 실제적인 데이터( 6년 이상 수집된 참깨, 천궁, 당근의 NIR 스펙트럼) 에 적용시켜 보았다. 데이터군은 수입산과 국내산으로 나뉘어져 있고, 각 군의 스펙트럼의 모습은 매우 유사하여 분리에 어려움이 있었다. 이에 대해서 Score와 Moment가 내재하는 스펙트럼의 정보적인 겹쳐짐을 제거하기 위하여 Score에 Moment를 여러 가지 방식으로 조합시켜 결과를 도출하였고, 그 중 최상의 결과로 분리 성능을 검증하였다. F-Test나 Q-Test 등의 통계적인 방법으로 결과에 대한 신뢰성을 확인할 수 있었고, 신뢰 구간 내에서 분리 효율이 증가함을 확인할 수 있었다. 본 실험에서 사용된 농산물 데이터에 있어서 SMC-LDA 방법은 분리에 큰 효율을 보임을 확인할 수 있었을 뿐 아니라, 다른 분야에서도 충분히 적용될 수 있다는 결론을 얻을 수 있었다.