| 초록 |
스펙트럼 해석에 있어서 가장 중요한 것은 검량식의 성능이다. 검량식을 구성하는 알고리즘에는 여러 가지가 있지만 본 연구에서는 PLS(Partial Least Squares)를 사용하였고 PLS 검량식의 물성 예측 성능을 제고하기 위하여 wavelet 변환과 변수 선별 기법을 동시에 사용하였다. Wavelet 변환은 신호 처리 및 압축을 위해서 개발된 변환 기법인데, wavelet 계수의 일부를 영으로 둠으로써 노이즈 제거와 압축의 효과를 얻을 수 있다. 또, PLS 모델의 예측 성능은 독립 변수의 선별적 사용으로 향상될 수 있다. 본 논문에서는 스펙트럼을 wavelet 계수로 변환하고, 변환된 계수들을 선별적으로 채택하여 PLS 모델을 구성함으로써 전반적인 예측 성능의 향상을 꾀하였다. Wavelet 변환은 스펙트럼을 다중 분해능으로 보는 수단을 제공하는데, wavelet 계수의 선별적 사용을 통해 데이터 압축 및 노이즈 제거의 효과 그리고 궁극적으로 검량식의 예측 성능 향상을 거둘 수 있었다.
|
