1 |
1
저장부에 미리 저장된 학습 데이터를 기준으로 서로 다른 각 채널의 센서들을 이용하여 측정된 측정 대상이 되는 데이터 샘플과의 비교를 수행하여 기체의 종류에 따라 서로 다른 센서 반응 결과를 검출하는 센서 어레이와,상기 센서 어레이에서 검출되는 센서 반응 결과 데이터를 수집하고, 상기 데이터를 PCA(Principal Component Analysis) 및 LDA(Linear Discriminant Analysis) 방법을 이용하는 차원 축소 방법으로 하위 차원 형상 공간에서 이루고 있는 각 매개변수를 구성요소로 결정하며, 상기 데이터를 통계적 학습 기반을 갖는 행렬 연산을 통해 왜곡된 데이터를 재구성하여 복원함으로써 기체의 종류를 구별하는 컴퓨팅 시스템을 포함하여 구성되는 것을 특징으로 하는 가스 분류를 위한 전자코 시스템
|
2 |
2
제 1 항에 있어서, 상기 센서 어레이는서로 다른 특성을 가지는 각 채널의 센서들을 통해 기체의 종류에 따라 서로 다른 반응을 나타내는 센서 반응 결과를 검출하는 신호 검사부와,상기 신호 검사부에서 검출된 센서 반응을 벡터 형태의 수치 데이터로 변환하는 전자적 인터페이스를 포함하여 구성되는 것을 특징으로 하는 가스 분류를 위한 전자코 시스템
|
3 |
3
제 2 항에 있어서,상기 신호 검사부는 16개의 채널로 구성되어 있으며, 각 채널마다 인터디지테이티드 전극(interdigitated electrode), 미세발열체(microheater), 머신 멤브레인(machined membrane)을 가진 CB(carbon-black) 폴리머 혼합물(polymer composites) 센서가 포함되는 것을 특징으로 하는 가스 분류를 위한 전자코 시스템
|
4 |
4
제 1 항에 있어서, 상기 컴퓨팅 시스템은센서 어레이에서 검출되는 센서 반응 결과 데이터를 수집하는 데이터 수집부와,상기 데이터 수집부에서 수집된 데이터를 PCA(Principal Component Analysis) 및 LDA(Linear Discriminant Analysis) 방법을 이용하는 차원 축소 방법으로 하위 차원 형상 공간에서 이루고 있는 각 매개변수를 구성요소로 결정하는 구성요소 결정부와,상기 센서 어레이에서 센서의 불안정으로 인해 손실 및 손상된 데이터가 수집되면, 손실 및 손상된 데이터를 통계적 학습 기반을 갖는 행렬 연산을 통해 왜곡된 데이터 재구성하여 복원하는 데이터 복원부와,상기 데이터 복원부에서 복원된 데이터로부터 데이터 분류를 위한 특징을 추출하여 선정하는 특징 추출선정부와, 상기 특징 추출선정부에서 추출된 특징을 입력으로 데이터를 분류하여 가스의 종류를 결정하는 가스 분류부를 포함하여 구성되는 것을 특징으로 하는 가스 분류를 위한 전자코 시스템
|
5 |
5
제 4 항에 있어서,상기 구성요소 결정부는 PCA(Principal Component Analysis)를 이용하여 고차원의 전자코 데이터를 저차원의 특징 공간으로 변환하고, LDA(Linear Discriminant Analysis)를 이용하여 같은 클래스 내의 공분산을 최소로 하고, 다른 클래스 간의 공분산은 최대로 하는 특징 공간으로 변환하여 차원 형상 공간으로 설정하는 것을 특징으로 하는 가스 분류를 위한 전자코 시스템
|
6 |
6
(A) 센서 어레이를 통해 서로 다른 각 채널의 센서들을 이용하여 기체의 종류에 따라 서로 다른 센서 반응 결과를 검출하는 단계와,(B) 데이터 수집부를 통해 센서 어레이(200)로부터 검출된 센서 반응 결과 데이터를 수집하는 단계와,(C) 구성요소 결정부를 통해 상기 수집된 데이터를 PCA(Principal Component Analysis) 및 LDA(Linear Discriminant Analysis) 방법을 이용하는 차원 축소 방법으로 하위 차원 형상 공간에서 이루고 있는 각 매개변수를 구성요소로 결정하는 단계와,(D) 데이터 복원부를 통해 센서의 불안정으로 인해 수집된 손실 및 손상된 데이터를 통계적 학습 기반을 갖는 행렬 연산을 통해 왜곡된 데이터 재구성하여 복원하는 단계와,(E) 특징 추출선정부를 통해 복원된 데이터로부터 데이터 분류를 위한 특징을 추출하고 가스 분류기에서 상기 추출된 특징을 입력으로 데이터를 분류하여 가스의 종류를 결정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 가스 분류를 위한 전자코 방법
|
7 |
7
제 6 항에 있어서, 상기 (C) 단계는PCA(Principal Component Analysis)를 이용하여 고차원의 전자코 데이터를 저차원의 특징 공간으로 변환하는 단계와,LDA(Linear Discriminant Analysis)를 이용하여 같은 클래스 내의 공분산을 최소로 하고, 다른 클래스 간의 공분산은 최대로 하는 특징 공간으로 변환하여 차원 형상 공간으로 설정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 가스 분류를 위한 전자코 방법
|