표제지
목차
국문요약 9
1. 서론 11
1.1. 연구배경 11
1.2. 연구 목적 12
2. 관련 연구 14
2.1. 광용적맥파 14
2.2. 기존 알고리즘 15
2.2.1. 특징추출 방법 15
2.2.2. 머신러닝 방법 16
2.2.3. 딥러닝 방법 17
3. 연구 방법 18
3.1. 데이터세트 18
3.2. 전처리 알고리즘 18
3.2.1. 신호 품질 계산 및 세그먼트 19
3.2.2. 경향성 제거 20
3.2.3. 단일주기 신호 분할 22
3.2.4. 신호 보간 24
3.2.5. 다중 주기 평균화 25
3.3. 모델 27
3.3.1. 샴 네트워크 28
3.3.2. 제안하는 모델 구조 30
3.3.3. 모델 학습 33
4. 실험 환경 및 결과 33
4.1. 실험 환경 33
4.1.1. 손실 함수 33
4.1.2. 세부 실험 환경 34
4.2. 실험 결과 35
4.2.1. 다중 주기 평균화 결과 35
4.2.2. 시간에 따른 모델 결과 비교 40
5. 토의 52
6. 결론 53
참고문헌 56
ABSTRACT 62
〈표 1〉 훈련 데이터세트 개수 및 Genuine 조합과 Impostor 조합 수 38
〈표 2〉 N에 따른 정확도 38
〈표 3〉 N에 따른 AUC score 40
〈표 4〉 11단계의 시간 간격 별 데이터 개수와 구성 41
〈표 5〉 시간 간격 별 정확도 42
〈표 6〉 시간 간격에 따른 AUC score 43
〈표 7〉 Genuine - Impostor 분포의 평균과 분산, 평균의 차이와 D-prime 48
〈표 8〉 EER의 임계값과 오류율 52
[그림 1] 생리학적 특성 기반의 구분 및 각 구분의 예시 12
[그림 2] 광용적맥파 신호의 파형 15
[그림 3] 광용적맥파 데이터 예시 18
[그림 4] 전처리 과정 19
[그림 5] SNR 값에 따른 신호 예시 20
[그림 6] 경향성 제거 결과 22
[그림 7] 파라미터 설정에 따른 피크 검출 결과; (a) 파라미터 설정 없이 피크 검출 결과... 23
[그림 8] 단일주기신호 추출 결과 24
[그림 9] 광용적맥파 신호 보간 결과 25
[그림 10] N에 따른 다중주기 평균화 결과 26
[그림 11] N=1과 N=6 결과 비교 빨간 선; N=6, 파란 선; N=1 27
[그림 12] 샴 네트워크의 기본 구조 29
[그림 13] 트윈 네트워크의 구조 30
[그림 14] 제안하는 모델의 전체 구조 32
[그림 15] N에 따른 학습 손실 값 그래프 36
[그림 16] N=1 Loss와 N=6 Loss 비교 37
[그림 17] N에 따른 ROC 커브 39
[그림 18] 시간 간격에 따른 ROC curve 43
[그림 19] Genuine - Impostor 분포 그래프 46
[그림 20] FAR-FRR 그래프와 EER 51