표제지
목차
ABSTRACT 9
Ⅰ. 서론 10
Ⅱ. 이론적 배경 16
2.1. 패턴 인식 16
2.2. 통계학 18
2.2.1. 기본적인 기술 통계량 19
2.2.2. 다변량 자료 분석 방법 21
2.2.3. 판별 해석 26
2.2.4. 신경망 이론 : 퍼셉트론 29
Ⅲ. J-특성점 정리 31
3.1. 기존 분석법들의 한계점 31
3.1.1. 선형 분류 방법의 한계 31
3.1.2. 구조적 접근법의 한계 31
3.1.3. 통계적 접근법의 한계 33
3.2. J-특성점 정리 35
3.2.1. 물리적 설명 35
3.2.2. 이론적 설명 38
Ⅳ. 알고리즘 개발 40
4.1. 자료 분리 40
4.2. 기본 설계 44
4.3. 상세 설계 48
4.3.1. 학습 단계 48
4.3.2. 예측 단계 48
Ⅴ. 해석결과 및 검토 52
5.1. 새로운 자료를 이용한 검증 52
5.2. 해석 결과 53
5.3. 검토 54
Ⅵ. 결론 57
Appendix 58
Appendix 1. 판별 함수의 유도 과정 58
Appendix 2. MISS-A 프로그램 60
Appendix 3. 편대(FD) 임무 자료의 주성분 분석 결과 75
Appendix 4. 임무 별 판별식의 특징 79
참고문헌 82
Table 1.1. ASIP의 일반 과정 12
Table 2.1. 미공군이 적용한 F-16의 비행 임무 별 특성 17
Table 2.2. 통계학의 일반적인 분류 및 요약 18
Table 2.3. 다변량 자료의 일반 구조 20
Table 2.4. 다변량 자료 분석 기법들의 정의 및 설명 22
Table 2.5. 판별분석과 다중 회귀 분석 및 MANOVA와의 차이점 28
Table 3.1. 통계적 방법을 적용하여 판별한 결과 34
Fig.1.1. 이상적 비행 임무 프로파일 13
Fig.1.2a. 실제 편대임무 비행 자료의 고도 변화 프로파일 14
Fig.1.2b. 실제 편대임무 비행 자료의 속도 변화 프로파일 14
Fig.1.2c. 실제 편대임무 비행 자료의 하중 배수 변화 프로파일 15
Fig.2.1. 패턴인식 시스템의 구성 요소 16
Fig.2.2. OCR 카드 글자 패턴 인식을 위한 접근방법 17
Fig.2.3. 비행 임무 자료의 히스토그램과 누적히스토그램 20
Fig.2.4. 차원 축소 방법에 따른 다변량 분석의 구분 25
Fig.2.5. 자료 분석 목적에 따른 다변량 분석의 구분 25
Fig.2.6. 독립 변수가 2개인 경우의 판별 함수 Z의 도식적 설명 27
Fig.2.7. 선형 분류기인 단층 퍼셉트론의 구조 30
Fig.2.8. 퍼셉트론을 이용한 두 그룹 분류의 도식적 설명 30
Fig.3.1. 선형 분류기를 사용한 3개의 집단과 5개의 집단 분류 31
Fig.3.2. 비행 임무 자료의 특성 분석 예 32
Fig.3.3. 통계적 접근법을 이용한 판별 알고리즘 순서도 33
Fig.3.4. 판별해석법(좌)와 신경망 이론(우)을 이용한 선형 분리 36
Fig.3.5. 4개의 집단을 선형 분리할 경우의 수렴 특징 36
Fig.3.6. J-특성점 정리를 이용한 판별 알고리즘 37
Fig.4.1. 각 쏘티에 대한 정보가 기록된 DFR 파일들 41
Fig.4.2. DFR 파일의 실제 기록 예 41
Fig.4.3. 689 쏘티의 비행 자료가 기록된 L/ESS 데이터 42
Fig.4.4. 실제 기록된 L/ESS 데이터 형태 43
Fig.4.5. DFR 파일을 이용한 L/ESS 자료 분리 순서도 43
Fig.4.6a. 비행 임무 패턴 인식 알고리즘 개발 - 자료 압축 45
Fig.4.6b. 비행 임무 패턴 인식 알고리즘 개발 - 예측 45
Fig.4.7a. 공대공(TAC) 임무 자료의 평균값들의 정규성 검증 46
Fig.4.7b. 공대공(TAC) 임무 자료의 분산값들의 정규성 검증 46
Fig.4.8. 편대(FD) 임무 자료의 주성분 분석 결과의 Scree 선도 47
Fig.4.9. 비행 임무 자료의 패턴 인식 알고리즘 - 첫번째 개념 49
Fig.4.10. 비행 임무 자료의 패턴 인식 알고리즘 - 두번째 개념 49
Fig.4.11. 비행 임무 자료의 패턴 인식 알고리즘 - 세번째 개념 50
Fig.4.12. 패턴 인식 알고리즘 개념 별 판별 적중률 평가 50
Fig.4.13. 비행 임무 자료 패턴 인식에 사용된 판별식 51
Fig.4.14. 판별식에 따른 패턴 인식 결과 51
Fig.5.1. 비행 임무 자료의 패턴 인식 알고리즘 설명도 52
Fig.5.2. 새로운 자료들을 이용한 알고리즘 검증 순서도 52
Fig.5.3. 새로운 자료를 이용한 판별 결과 53
Fig.5.4. 비행 임무 패턴 인식에서 발생하는 에러들 55
Fig.5.5. 카테고리 별 패턴 인식 결과 및 임무 구성 비율 55
Fig.5.6. 카테고리 별 패턴 인식 결과의 정확도 56